| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 引言 | 第8-10页 |
| 第1章 绪论 | 第10-24页 |
| ·研究背景及意义 | 第10-11页 |
| ·为什么需要基于内容的图像检索 | 第10-11页 |
| ·基于内容的图像检索的基本技术 | 第11-20页 |
| ·基本框架和功能模块 | 第11-13页 |
| ·基于颜色特征的图像检索技术 | 第13-16页 |
| ·基于纹理特征的图像检索技术 | 第16-20页 |
| ·基于形状特征的图像检索技术 | 第20页 |
| ·基于内容的图像检索技术的研究现状 | 第20-22页 |
| ·本文的主要工作 | 第22-24页 |
| 第2章 半全局特征提取与图像分类 | 第24-34页 |
| ·半全局特征提取 | 第24-26页 |
| ·颜色特征提取 | 第24-25页 |
| ·纹理特征提取 | 第25-26页 |
| ·图像分类 | 第26-29页 |
| ·分类方法概述 | 第26-29页 |
| ·基于K 均值聚类算法的图像分类 | 第29页 |
| ·样例图像类别的判定 | 第29-34页 |
| ·K 近邻算法概述 | 第32页 |
| ·基于K 近邻算法的样例图像类别判定 | 第32-34页 |
| 第3章 注意力驱动的图像分割与基于区域的检索 | 第34-44页 |
| ·基于区域的检索 | 第34页 |
| ·全局特征的局限性 | 第34页 |
| ·显著区域 | 第34页 |
| ·视觉注意力的计算模型 | 第34-39页 |
| ·视觉注意力模型概述 | 第34-36页 |
| ·Itti-Koch 模型 | 第36-38页 |
| ·本文使用的视觉注意力计算模型 | 第38-39页 |
| ·图像分割与显著区域的提取 | 第39-44页 |
| ·基于EM 算法的图像分割 | 第39-42页 |
| ·显著区域的提取 | 第42-44页 |
| 第4章 基于区域的相似性匹配 | 第44-48页 |
| ·相似性匹配概述 | 第44-45页 |
| ·图像特征的归一化 | 第45-46页 |
| ·基于区域的Quadratic 距离(R-Quadratic 距离) | 第46页 |
| ·加权区域匹配 | 第46-48页 |
| 第5章 实验结果与分析 | 第48-56页 |
| ·原型系统设计 | 第48-49页 |
| ·系统模型 | 第48-49页 |
| ·运行环境及系统配置 | 第49页 |
| ·实验结果 | 第49页 |
| ·性能评价与分析 | 第49-56页 |
| 结论 | 第56-57页 |
| 论文工作总结 | 第56页 |
| 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 在学期间公开发表论文及著作情况 | 第62页 |