| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题的背景及研究意义 | 第7-8页 |
| ·基于内容图像检索探究的现状 | 第8页 |
| ·论文内容和框架结构 | 第8-11页 |
| 第二章 背景知识 | 第11-25页 |
| ·基于内容图像检索的相关技术与背景知识 | 第11-15页 |
| ·图像特征提取 | 第11-13页 |
| ·图像的相似度计算 | 第13-14页 |
| ·基于内容图像检索的评价准则 | 第14-15页 |
| ·常见的图像分类方法 | 第15-19页 |
| ·最近邻和k近邻 | 第16页 |
| ·贝叶斯分类器 | 第16-17页 |
| ·支撑向量机 | 第17-18页 |
| ·神经网络 | 第18-19页 |
| ·常见的SAR图像分割方法 | 第19-21页 |
| ·阈值化分割方法 | 第19-20页 |
| ·基于边缘检测的分割方法 | 第20页 |
| ·基于区域的分割方法 | 第20页 |
| ·基于聚类的分割方法 | 第20-21页 |
| ·论文检索工作的核心思路及SAR图像库介绍 | 第21-23页 |
| ·检索工作的核心思路 | 第21-22页 |
| ·论文SAR图像库建立 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于高斯混合模型分类及区域综合特征相似度匹配的SAR图像检索 | 第25-39页 |
| ·算法的研究背景和算法思想 | 第25页 |
| ·特征提取与高斯混合模型分类 | 第25-30页 |
| ·SAR图像特征提取 | 第25-26页 |
| ·高斯混合模型 | 第26-28页 |
| ·高斯混合模型的SAR图像分类实验 | 第28-30页 |
| ·区域综合特征相似度匹配 | 第30-33页 |
| ·自适应的k-means聚类分割 | 第30-31页 |
| ·区域综合特征的相似度匹配 | 第31-33页 |
| ·检索实验 | 第33-37页 |
| ·实验条件及实验结果 | 第33-34页 |
| ·实验结果分析 | 第34-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于高斯混合模型分类及统一化特征相似度匹配的SAR图像检索 | 第39-49页 |
| ·算法的研究背景和算法思想 | 第39页 |
| ·统一化特征相似度匹配 | 第39-44页 |
| ·区域的模糊特征 | 第40-41页 |
| ·模糊集合的相似度 | 第41-42页 |
| ·模糊特征匹配 | 第42-44页 |
| ·检索实验及结果分析 | 第44-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 基于高斯混合模型分类及无监督聚类的SAR图像检索方法 | 第49-57页 |
| ·算法的研究背景及基本思想 | 第49页 |
| ·基于无监督聚类的图像检索算法 | 第49-52页 |
| ·图像的邻域挑选 | 第50页 |
| ·无监督规范切聚类 | 第50-52页 |
| ·模拟实验结果 | 第52-56页 |
| ·Ncut聚类实验及评价 | 第52-54页 |
| ·检索实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 本文算法总结分析及检索系统设计与实现 | 第57-63页 |
| ·检索算法性能总结 | 第57-59页 |
| ·检索系统的设计与实现 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 硕士期间的学术成果 | 第71-72页 |
