基于局部泛化误差模型商标图像检索技术
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·基于内容的图像检索的研究现状 | 第12-14页 |
| ·商标图像检索技术 | 第14-16页 |
| ·本文的研究工作 | 第16页 |
| ·本文结构 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 基于内容的商标检索关键技术 | 第18-28页 |
| ·商标图像预处理 | 第18页 |
| ·特征提取 | 第18-25页 |
| ·颜色特征 | 第18-20页 |
| ·纹理特征 | 第20-22页 |
| ·形状特征 | 第22-25页 |
| ·图像相似度比较方法 | 第25-27页 |
| ·欧拉距离 | 第26页 |
| ·马氏距离 | 第26页 |
| ·Cosine距离 | 第26页 |
| ·非几何的相似度量方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 局部泛化误差模型 | 第28-35页 |
| ·径向基函数神经网络 | 第28-31页 |
| ·局部泛化误差模型 | 第31-34页 |
| ·Q邻域 | 第32-33页 |
| ·敏感度 | 第33-34页 |
| ·局部泛化误差模型的特点 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于RBFNN的商标图像检索 | 第35-43页 |
| ·商标图像形状特征的提取 | 第35-37页 |
| ·改进的Hu矩 | 第35-37页 |
| ·偏心率 | 第37页 |
| ·融合多种特征的方法 | 第37页 |
| ·特征预处理 | 第37-39页 |
| ·归一化处理（最大最小值法） | 第38页 |
| ·各个特征分量的权重选择 | 第38-39页 |
| ·结合局部泛化误差模型的检索方法 | 第39-42页 |
| ·相关反馈技术 | 第39-40页 |
| ·常见的相关反馈算法 | 第40-41页 |
| ·基于L-GEM的相关反馈方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于内容的商标检索系统的实现 | 第43-50页 |
| ·系统设计 | 第43-44页 |
| ·系统检索流程 | 第44-47页 |
| ·建立图像特征库 | 第44页 |
| ·用户检索过程 | 第44-45页 |
| ·程序流程图 | 第45-47页 |
| ·系统具体实现 | 第47-48页 |
| ·实验环境 | 第47页 |
| ·功能模块实现 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 实验结果及分析 | 第50-59页 |
| ·性能评价方法 | 第50-51页 |
| ·查全率和查准率 | 第50-51页 |
| ·损益平衡点 | 第51页 |
| ·实验结果及分析 | 第51-59页 |
| ·几何形变实验 | 第52-56页 |
| ·旋转、平移和缩放不变性实验 | 第56-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
