| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文工作及创新点介绍 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 2 图像显著区域特征提取和深度学习相关技术研究 | 第15-26页 |
| 2.1 图像显著区域分割算法介绍 | 第15-22页 |
| 2.2 经典的卷积神经网络及其应用介绍 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 AUTOGROWCUT算法及其在图像检索的应用 | 第26-42页 |
| 3.1 现有算法提取图像显著区域的局限性 | 第26-27页 |
| 3.2 显著区域自动分割提取AUTOGROWCUT算法 | 第27-32页 |
| 3.3 基于图像显著区域特征的图像检索 | 第32-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于图像显著区域训练卷积神经网络分类器 | 第42-53页 |
| 4.1 卷积神经网络结构 | 第42-43页 |
| 4.2 基于图像显著区域训练CNN网络分类器 | 第43-45页 |
| 4.3 图像分类实验及分析 | 第45-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 图像检索原型系统的设计和实现 | 第53-60页 |
| 5.1 系统架构 | 第53-54页 |
| 5.2 系统操作流程 | 第54-55页 |
| 5.3 系统演示及实验结果 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 本文总结 | 第60-61页 |
| 6.2 前景展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 附录1 攻读硕士学位期间科研成果和参与项目情况 | 第69-70页 |
| 附录2 中英文缩略词对照表 | 第70页 |