| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究课题的背景和意义 | 第10页 |
| ·图像检索方法分类 | 第10-12页 |
| ·基于文本的图像检索 | 第10-11页 |
| ·基于内容的图像检索 | 第11-12页 |
| ·国内外相关领域研究现状 | 第12-14页 |
| ·基于内容图像检索系统研发现状 | 第12页 |
| ·基于内容的图像检索的热点和难点 | 第12-13页 |
| ·图像分类研究现状 | 第13-14页 |
| ·大规模图像数据处理研究现状 | 第14页 |
| ·研究课题的结构和内容 | 第14-16页 |
| 第2章 相关技术理论概述 | 第16-35页 |
| ·图像的颜色特征 | 第16-20页 |
| ·颜色空间 | 第16-18页 |
| ·颜色特征表示 | 第18-20页 |
| ·图像的形状特征 | 第20-23页 |
| ·基于区域的形状 | 第20页 |
| ·基于轮廓的形状 | 第20-23页 |
| ·图像的相似性度量 | 第23-25页 |
| ·几何模型 | 第23-24页 |
| ·相关计算模型 | 第24页 |
| ·关联系数模型 | 第24-25页 |
| ·机器学习相关理论 | 第25-33页 |
| ·K-mean算法 | 第25页 |
| ·Naive Bayes分类算法 | 第25-26页 |
| ·SVM分类算法 | 第26-30页 |
| ·AdaBoost算法 | 第30-33页 |
| ·相关反馈技术 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第3章 基于改进的机器学习与相关反馈的图像检索算法 | 第35-46页 |
| ·基于改进K-mean聚类的图像分割 | 第35-39页 |
| ·颜色空间HSV的选取 | 第35-36页 |
| ·改进的初始聚类中心和类别数的选择 | 第36-37页 |
| ·K-mean在图像分割中的应用 | 第37-39页 |
| ·基于颜色分割与形状的多特征提取 | 第39-41页 |
| ·目标区域与边界特征的提取 | 第39页 |
| ·目标区域与边界特征的描述 | 第39-41页 |
| ·形状特征的相似性度量 | 第41页 |
| ·基于改进的AdaBoost与SVM相结合的相关反馈 | 第41-44页 |
| ·改进的AdaBoost方法 | 第42-43页 |
| ·SVM与改进的AdaBoost结合的相关反馈图像检索算法(ABSVM) | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 实验结果分析与结论 | 第46-54页 |
| ·试验环境和设置 | 第46页 |
| ·检索算法验证系统结构 | 第46-48页 |
| ·图像检索算法的性能评价 | 第48-49页 |
| ·本文算法试验与性能分析 | 第49-53页 |
| ·改进的K均值聚类分割多特征图像检索算法试验分析 | 第49-51页 |
| ·ABSVM算法试验分析 | 第51-53页 |
| ·试验小结 | 第53-54页 |
| 第5章 全文总结与展望 | 第54-56页 |
| ·全文总结 | 第54-55页 |
| ·全文展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
