| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·论文研究的背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·基于内容的图像检索(CBIR)国外研究现状 | 第11-13页 |
| ·基于内容的图像检索（CBIR）国内研究现状 | 第13页 |
| ·基于内容的图像检索（CBIR）发展 | 第13-15页 |
| ·云计算发展 | 第15-16页 |
| ·本文研究内容与结构安排 | 第16-18页 |
| ·本文研究内容 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 CBIR和Hadoop相关技术 | 第19-33页 |
| ·基于内容的图像检索系统框架 | 第19-20页 |
| ·图像物理特征 | 第20-25页 |
| ·颜色特征 | 第20-21页 |
| ·纹理特征 | 第21-23页 |
| ·形状特征 | 第23-25页 |
| ·相似性度量 | 第25-26页 |
| ·检索性能评价标准 | 第26-27页 |
| ·Hadoop分布式系统框架 | 第27-28页 |
| ·分布式文件系统HDFS | 第28-31页 |
| ·HDFS读操作 | 第29-30页 |
| ·HDFS写操作 | 第30-31页 |
| ·并行计算模型MapReduce | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 综合颜色和纹理特征聚类的图像检索算法 | 第33-44页 |
| ·基于颜色的图像检索算法 | 第33-34页 |
| ·颜色空间模型 | 第34-38页 |
| ·RGB颜色空间 | 第34页 |
| ·HSV颜色空间 | 第34-35页 |
| ·RGB颜色空间转换HSV颜色空间 | 第35-36页 |
| ·颜色量化 | 第36-37页 |
| ·提取颜色特征 | 第37-38页 |
| ·基于纹理的图像检索算法 | 第38-40页 |
| ·提取纹理特征 | 第39-40页 |
| ·图像的综合特征 | 第40页 |
| ·聚类过程 | 第40-42页 |
| ·k-means基础概念 | 第40页 |
| ·改进k-means | 第40-41页 |
| ·聚类性能 | 第41-42页 |
| ·图像相似性度量 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第四章 ICTC算法的并行化研究 | 第44-54页 |
| ·基于Hadoop平台海量图像检索 | 第44-45页 |
| ·图像特征提取MapReduce化 | 第45-47页 |
| ·图像综合特征提取 | 第45页 |
| ·基于MapReduce的综合特征提取算法 | 第45-47页 |
| ·图像检索MapReduce化 | 第47-48页 |
| ·相似性度量方法 | 第47页 |
| ·基于MapReduce的图像检索算法 | 第47-48页 |
| ·图像特征聚类MapReduce化探讨 | 第48-50页 |
| ·改进K-means | 第48-50页 |
| ·基于MapReduce的改进K-means聚类算法探讨 | 第50页 |
| ·Hadoop平台的搭建 | 第50-52页 |
| ·实验平台软硬件配置 | 第50-51页 |
| ·Hadoop的安装 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 实验与结果分析 | 第54-64页 |
| ·基于颜色和纹理聚类的图像检索实验 | 第54-57页 |
| ·实验数据 | 第54页 |
| ·结果分析 | 第54-57页 |
| ·ICTC算法并行化研究实验 | 第57-63页 |
| ·实验数据 | 第57-58页 |
| ·加速比与效率 | 第58-59页 |
| ·扩展率与伸缩率 | 第59-61页 |
| ·负载性能 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-67页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |