| 0 前言 | 第1-14页 |
| 1 预备知识 | 第14-31页 |
| ·图象数据库概述 | 第14-19页 |
| ·图象数据库与传统数据库的区别 | 第14-15页 |
| ·图象数据库的分类 | 第15-16页 |
| ·图象数据库系统的结构 | 第16-17页 |
| ·基于内容检索图像数据库系统的实现 | 第17-18页 |
| ·图像查询中关键技术 | 第18-19页 |
| ·图象数据库的有关概念 | 第19-22页 |
| ·树的概述及相关概念 | 第22-26页 |
| ·树的概述 | 第22页 |
| ·树的有关概念 | 第22-26页 |
| ·分形概述及相关概念 | 第26-28页 |
| ·分形概述 | 第26-27页 |
| ·分形的相关概念 | 第27-28页 |
| ·MATLAB图象处理功能及Visual Basic语言 | 第28-31页 |
| 2 基于重量分布和重心位置的图象索引方法(IGDC) | 第31-36页 |
| ·图象的基于重量分布索引方法(IGD) | 第31页 |
| ·图象的基于重心位置索引方法(IGC) | 第31-33页 |
| ·IGD与IGC两种索引向量表示方法的结合(IGDC) | 第33页 |
| ·基于R-树的图象点数据插入查找方法 | 第33-36页 |
| 3 一种新的基于R-树思想的索引方法 | 第36-44页 |
| ·一种新的基于R-树思想的索引方法 | 第36-37页 |
| ·实验图象与实验数据举例 | 第37-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·人机界面设计 | 第43-44页 |
| 4 基于图象兴趣区域的奇异值的图象索引方法 | 第44-49页 |
| ·奇异值向量隶属度的求法 | 第44-46页 |
| ·兴趣点序列的计算方法 | 第46-47页 |
| ·基于兴趣区域的奇异值索引方法 | 第47-49页 |
| 5 图象的一种分形树索引结构(FAI) | 第49-52页 |
| ·一种分形树结构 | 第49页 |
| ·图象的基于位置的分形树表示方法(FAI) | 第49-50页 |
| ·FAI序列查找 | 第50-51页 |
| ·FAI序列与Hilbert序列的转换 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 附录 | 第56-67页 |
| 致谢 | 第67-68页 |
| 作者在攻读硕士学位期间发表的论文 | 第68页 |
