| 1.融合四种特征的基于内容的图像检索算法研究 | 第1-56页 |
| 第一章 概述 | 第16-19页 |
| ·简介 | 第16-18页 |
| ·文章的整体结构 | 第18-19页 |
| 第二章 主要成份分析方法 | 第19-24页 |
| ·简介 | 第19-20页 |
| ·方法实现 | 第20-22页 |
| ·建立特征向量空间 | 第20-21页 |
| ·构建特征图像空间 | 第21页 |
| ·利用特征向量表示图像 | 第21-22页 |
| ·判断图像的相似性 | 第22页 |
| ·对该方法的一个有效改进 | 第22-23页 |
| ·总结 | 第23-24页 |
| 第三章 利用奇异值去检索图像 | 第24-26页 |
| ·奇异值特征提取 | 第24-25页 |
| ·奇异值矢量标准化 | 第25页 |
| ·利用奇异值进行图像检索 | 第25页 |
| ·总结 | 第25-26页 |
| 第四章 多分辨率分快主颜色方法 | 第26-32页 |
| ·简介 | 第26页 |
| ·颜色空间的选择以及颜色的矢量量化 | 第26-28页 |
| ·主颜色提取基本思想 | 第28-29页 |
| ·分块策略 | 第29-30页 |
| ·图像特征相似度度量方法 | 第30-32页 |
| 第五章 基于角点的形状匹配 | 第32-37页 |
| ·简介 | 第32页 |
| ·角及其角检测 | 第32-33页 |
| ·图像的角点匹配 | 第33-35页 |
| ·改进Hausdorff距离 | 第35页 |
| ·两幅图像匹配的改进算法 | 第35-36页 |
| ·总结 | 第36-37页 |
| 第六章 融合多种检索方法的加权模型 | 第37-41页 |
| 第七章 试验结果及分析 | 第41-48页 |
| ·图像的语义相似性简介 | 第41页 |
| ·检索结果样例 | 第41-44页 |
| ·综合计算 | 第44-45页 |
| ·评价 | 第45-48页 |
| 第八章 总结及将来的工作 | 第48-49页 |
| 第九章 参考文献 | 第49-56页 |
| 2.基于内容的图像检索综述 | 第56-98页 |
| 第一章 引言 | 第56-58页 |
| 第二章 图像数据库系统样例 | 第58-60页 |
| 第三章 检索图像的主要特征 | 第60-79页 |
| ·基于颜色的特征 | 第60-66页 |
| ·颜色直方图 | 第60-62页 |
| ·颜色矩 | 第62-63页 |
| ·颜色集 | 第63页 |
| ·颜色聚合向量 | 第63页 |
| ·颜色相关图 | 第63-66页 |
| ·基于形状的特征 | 第66-73页 |
| ·傅立叶形状描述符 | 第67-68页 |
| ·形状无关矩 | 第68-69页 |
| ·基于内角的形状特征 | 第69-71页 |
| ·其它形状特征 | 第71-73页 |
| ·基于纹理的特征 | 第73-79页 |
| ·Tamura纹理特征 | 第74-75页 |
| ·自回归纹理模型 | 第75-76页 |
| ·小波变换 | 第76-77页 |
| ·其它纹理特征 | 第77-79页 |
| 第四章 各种特征的组合 | 第79-80页 |
| 第五章 图像的空间关系特征 | 第80-84页 |
| ·基于图像分割的方法 | 第80-81页 |
| ·基于图像子块的方法 | 第81页 |
| ·多维图像特征的索引 | 第81-82页 |
| ·维数缩减技术 | 第82页 |
| ·多维索引技术 | 第82-84页 |
| 第六章 图像像相似度研究 | 第84-88页 |
| ·视觉特征的相似度模型 | 第84页 |
| ·直方图相交 | 第84页 |
| ·二次式距离 | 第84-85页 |
| ·马氏距离 | 第85页 |
| ·非几何的相似度方法 | 第85-87页 |
| ·决定视觉语义 | 第87-88页 |
| 第七章 图像特征的性能评价 | 第88-89页 |
| 参考文献 | 第89-98页 |
| 3.The CBIR research based four features | 第98-128页 |
| 1 Introduction | 第98-101页 |
| ·Overview | 第98-100页 |
| ·the structure of this paper | 第100-101页 |
| 2 primary componet analyze, PCA | 第101-105页 |
| ·introduction | 第101-102页 |
| ·the procedure of this method | 第102-104页 |
| ·create feature vector | 第102页 |
| ·construct Eigenimage space | 第102-103页 |
| ·use feature vector to represent image | 第103页 |
| ·judge the similarity of image | 第103-104页 |
| ·a effective improvement of this method | 第104页 |
| ·summary | 第104-105页 |
| 3 Image Retrieve Based SVD | 第105-107页 |
| ·singular value decomposition feature extraction | 第105-106页 |
| ·singular vector standardization | 第106页 |
| ·image retrieve with singular value | 第106页 |
| ·summary | 第106-107页 |
| 4 image retrieve based on multi-resolution sub blocks and primary color method | 第107-112页 |
| ·introduction | 第107-108页 |
| ·the select of color space and quantize color | 第108-109页 |
| ·basic idea | 第109-110页 |
| ·block strategy | 第110-111页 |
| ·image features measure method | 第111-112页 |
| 5 Shape Match based corner | 第112-117页 |
| ·introduction | 第112页 |
| ·comer and comer points detection | 第112-113页 |
| ·the comer matching | 第113-115页 |
| ·improved Hausdorff distance | 第115页 |
| ·algorithm of the improvement of the image matching | 第115-116页 |
| ·summary | 第116-117页 |
| 6 the weight model of combination four features | 第117-121页 |
| 7 Experimentation and Analyse | 第121-127页 |
| ·the semantic similarity brief introduction | 第121页 |
| ·the example of retrieve result | 第121-124页 |
| ·synthetizing computing | 第124-125页 |
| ·evaluation | 第125-127页 |
| 8 the summary and future work | 第127页 |
| 9 reference | 第127-128页 |
| 4.Content-Based image retrieve A Survey | 第128-169页 |
| 1. introduction | 第128-131页 |
| 2. image database systems: examples | 第131-133页 |
| 3. the main features in CBIR | 第133-155页 |
| ·color based feature | 第133-140页 |
| ·color histograms | 第133-135页 |
| ·color moments | 第135-136页 |
| ·color set | 第136页 |
| ·color coherence vectors | 第136页 |
| ·color correlogram | 第136-140页 |
| ·shape based feature | 第140-148页 |
| ·Fourier shape description | 第140-142页 |
| ·shape Moment Invariants | 第142-143页 |
| ·corner based shape match | 第143-145页 |
| ·other shape feature | 第145-148页 |
| ·texture based feature | 第148-155页 |
| ·Tamura texture feature | 第148-150页 |
| ·simultaneous auto-regressive | 第150页 |
| ·wavelet transform | 第150-151页 |
| ·other texture feature | 第151-155页 |
| 4 combination of all feature | 第155-158页 |
| 5 the space relation feature | 第158-162页 |
| ·image based segment | 第158-159页 |
| ·sub block based method | 第159页 |
| ·multidimensional image feature index | 第159-160页 |
| ·dimension reduce | 第160页 |
| ·multidimensional index technology | 第160-162页 |
| 6 the research of image similarity | 第162-168页 |
| ·vision similarity model | 第162-165页 |
| ·histograms intersection | 第165页 |
| ·quadratic form distance | 第165-166页 |
| ·Mahalanobis distance | 第166页 |
| ·no geometry similarity measure | 第166-167页 |
| ·decide visual semantics | 第167-168页 |
| 7 the evaluate of image feature | 第168页 |
| 8 Reference | 第168-169页 |
