| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 研究目标和主要研究内容 | 第10页 |
| 1.3 论文结构 | 第10-12页 |
| 第2章 基于传统词袋模型的图像检索 | 第12-24页 |
| 2.1 词袋模型 | 第12-15页 |
| 2.1.1 词袋模型简介 | 第12-13页 |
| 2.1.2 图像特征提取 | 第13-14页 |
| 2.1.3 构建词袋模型 | 第14-15页 |
| 2.2 支撑向量机 | 第15-17页 |
| 2.2.1 支撑向量机简介 | 第15-16页 |
| 2.2.2 核函数 | 第16-17页 |
| 2.2.3 SVM分类 | 第17页 |
| 2.3 基于传统词袋模型的图像检索 | 第17-18页 |
| 2.3.1 图像检索的评价准则 | 第17-18页 |
| 2.3.2 基于Bow模型的图像检索 | 第18页 |
| 2.4 实验结果及分析 | 第18-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 最佳聚类数的确定方法 | 第24-36页 |
| 3.1 基本算法 | 第24-28页 |
| 3.1.1 K-means算法 | 第24-25页 |
| 3.1.2 层次聚类算法 | 第25-27页 |
| 3.1.3 本文算法 | 第27-28页 |
| 3.2 样本间的相似性度量 | 第28-29页 |
| 3.3 聚类有效性评价指标 | 第29-30页 |
| 3.3.1 有效性指标定义 | 第29-30页 |
| 3.3.2 有效性指标评价分析 | 第30页 |
| 3.4 确定最佳聚类数及初始聚类中心 | 第30-32页 |
| 3.4.1 确定最佳聚类数 | 第31页 |
| 3.4.2 确定初始聚类中心 | 第31-32页 |
| 3.5 实验结果及分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于改进的空间视觉词袋模型的图像检索 | 第36-49页 |
| 4.1 空间金字塔 | 第36-37页 |
| 4.2 基于空间金字塔的空间视觉词典构建 | 第37-44页 |
| 4.2.1 空间视觉词袋模型 | 第37-38页 |
| 4.2.2 图像的直方图表达 | 第38-41页 |
| 4.2.3 PCA算法与巴式距离结合的特征选择 | 第41-42页 |
| 4.2.4 利用改进的空间视觉词袋模型检索图像 | 第42-44页 |
| 4.3 实验结果及分析 | 第44-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 基于相关反馈的图像检索 | 第49-59页 |
| 5.1 相关反馈技术 | 第49-52页 |
| 5.1.1 概念及基本思想 | 第49-50页 |
| 5.1.2 相关反馈技术的分类 | 第50-52页 |
| 5.2 结合颜色和形状上下文特征的相关反馈技术研究 | 第52-56页 |
| 5.2.1 颜色特征表示 | 第52-53页 |
| 5.2.2 形状上下文特征表示 | 第53-55页 |
| 5.2.3 基于特征权重调整算法的相关反馈技术 | 第55-56页 |
| 5.3 实验结果及分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 创新内容 | 第60页 |
| 6.3 进一步的工作 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |