摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
1 绪论 | 第9-19页 |
1.1 课题来源 | 第9页 |
1.2 课题背景及研究意义 | 第9-11页 |
1.3 国内外研究现状 | 第11-17页 |
1.3.1 图像检索发展历程 | 第11-12页 |
1.3.2 图像特征提取研究现状 | 第12-15页 |
1.3.3 基于机器学习的图像检索研究现状 | 第15-16页 |
1.3.4 基于内容的图像检索应用领域 | 第16页 |
1.3.5 典型的图像检索系统介绍 | 第16-17页 |
1.4 论文的主要内容与结构 | 第17-19页 |
1.4.1 论文的主要研究内容 | 第17页 |
1.4.2 本文的结构安排 | 第17-19页 |
2 基于内容的图像检索相关技术 | 第19-28页 |
2.1 图像特征描述方法 | 第19-24页 |
2.1.1 颜色特征 | 第19-21页 |
2.1.2 纹理特征 | 第21-23页 |
2.1.3 形状特征 | 第23页 |
2.1.4 空间位置关系特征 | 第23-24页 |
2.2 相似性度量准则 | 第24页 |
2.3 检索性能评价准则 | 第24-26页 |
2.4 相关反馈技术 | 第26-27页 |
2.5 本章小结 | 第27-28页 |
3 融合GIST与SIFT的图像检索 | 第28-45页 |
3.1 多特征融合流程 | 第28页 |
3.2 GIST特征提取 | 第28-30页 |
3.3 SIFT特征提取 | 第30-33页 |
3.4 融合GIST与SIFT的图像检索算法 | 第33-37页 |
3.4.1 基于BBF的特征匹配算法 | 第33-34页 |
3.4.2 全局特征与局部特征提取算法 | 第34-36页 |
3.4.3 融合GIST与SIFT的检索算法 | 第36-37页 |
3.5 检索系统实现与实验结果分析 | 第37-44页 |
3.5.1 实验环境 | 第37页 |
3.5.2 实验数据集 | 第37-38页 |
3.5.3 改进的Caltech101数据集上实验结果与分析 | 第38-42页 |
3.5.4 改进的Corel1000数据集上实验结果与分析 | 第42-44页 |
3.6 本章小结 | 第44-45页 |
4 基于SVM相关反馈的图像检索 | 第45-55页 |
4.1 反馈技术基本原理 | 第45页 |
4.2 SVM相关理论 | 第45-49页 |
4.2.1 线性可分支持向量机 | 第46-47页 |
4.2.2 非线性可分支持向量机 | 第47-49页 |
4.2.3 核函数 | 第49页 |
4.3 基于SVM相关反馈的图像检索算法 | 第49-50页 |
4.4 检索系统实现与实验结果分析 | 第50-54页 |
4.5 本章小结 | 第54-55页 |
5 总结与展望 | 第55-57页 |
5.1 论文主要工作总结 | 第55页 |
5.2 未来工作展望 | 第55-57页 |
参考文献 | 第57-63页 |
攻读硕士学位期间发表的论文和参加的项目 | 第63-65页 |
致谢 | 第65页 |