| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题来源及研究的目的、意义 | 第8-10页 |
| 1.1.1 经典CBIR系统介绍及MPEG-7标准 | 第9-10页 |
| 1.2 图像检索技术的发展历程 | 第10-14页 |
| 1.2.1 基于文本的图像检索 | 第10-11页 |
| 1.2.2 基于内容的图像检索 | 第11-12页 |
| 1.2.3 基于语义的图像检索 | 第12-14页 |
| 1.2.4 图像检索技术的发展方向 | 第14页 |
| 1.3 本文的主要研究内容 | 第14-16页 |
| 1.3.1 图像的多特征提取和融合技术 | 第14页 |
| 1.3.2 用户兴趣模型 | 第14-15页 |
| 1.3.3 图像语义自动标注技术 | 第15-16页 |
| 2 图像的多特征提取和融合 | 第16-29页 |
| 2.1 颜色特征提取 | 第16-19页 |
| 2.1.1 颜色空间 | 第16-17页 |
| 2.1.2 颜色量化 | 第17-18页 |
| 2.1.3 颜色直方图 | 第18-19页 |
| 2.2 纹理特征的提取 | 第19-23页 |
| 2.2.1 纹理特征的相关研究 | 第19-21页 |
| 2.2.2 纹理特征的表示 | 第21-23页 |
| 2.3 形状特征的提取 | 第23-25页 |
| 2.3.1 形状特征的相关研究 | 第23-24页 |
| 2.3.2 形状特征的数学形式 | 第24-25页 |
| 2.4 多特征融合 | 第25-27页 |
| 2.4.1 图像物理特征的提取 | 第25-26页 |
| 2.4.2 图像间距离的计算 | 第26-27页 |
| 2.4.3 特征向量及距离的归一化 | 第27页 |
| 2.5 实验及结果分析 | 第27-28页 |
| 2.5.1 CS算法和C26+算法对比分析 | 第27页 |
| 2.5.2 CTS算法和C26+算法对比分析 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 用户兴趣模型 | 第29-34页 |
| 3.1 引言 | 第29页 |
| 3.2 常用的用户兴趣发现方法及需求分析 | 第29-31页 |
| 3.3 用户兴趣模型的学习方法 | 第31-33页 |
| 3.3.1 用户手动建模 | 第31页 |
| 3.3.2 基于用户模版建模 | 第31-32页 |
| 3.3.3 机器学习自动建模 | 第32页 |
| 3.3.4 基于贝叶斯网络的用户建模 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 图像语义自动标注技术 | 第34-39页 |
| 4.1 引言 | 第34-35页 |
| 4.1.1 基于文本的图像语义标注 | 第34页 |
| 4.1.2 基于内容的图像语义标注 | 第34-35页 |
| 4.2 图像的层次化语义模型 | 第35-36页 |
| 4.3 图像语义标注技术 | 第36-37页 |
| 4.3.1 SVM基本理论 | 第36-37页 |
| 4.3.2 基于SVM的图像分类器的构造 | 第37页 |
| 4.3.3 图像语义标注算法 | 第37页 |
| 4.4 实验结果及分析 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 攻读学位期间发表的学术论文 | 第44-45页 |
| 致谢 | 第45-46页 |