| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究工作的背景 | 第9-11页 |
| 1.1.1 基于文本的图像检索 | 第10-11页 |
| 1.1.2 基于内容的图像检索 | 第11页 |
| 1.2 研究工作的意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-19页 |
| 1.3.1 数据独立的哈希码图像检索算法 | 第14页 |
| 1.3.2 非监督学习哈希码图像检索算法 | 第14-15页 |
| 1.3.3 监督学习哈希码图像检索算法 | 第15-16页 |
| 1.3.4 深度学习哈希码图像检索算法 | 第16-17页 |
| 1.3.5 排序优先的哈希码图像检索算法 | 第17页 |
| 1.3.6 多模式的哈希码图像检索算法 | 第17-18页 |
| 1.3.7 量化哈希码图像检索算法 | 第18-19页 |
| 1.4 本文的主要贡献与创新 | 第19-20页 |
| 1.5 本论文的结构安排 | 第20-21页 |
| 第二章 哈希码学习图像检索的相关算法与技术介绍 | 第21-32页 |
| 2.1 图像特征的提取 | 第21-29页 |
| 2.1.1 SIFT特征 | 第21-25页 |
| 2.1.2 HOG特征 | 第25-26页 |
| 2.1.3 GIST特征 | 第26-27页 |
| 2.1.4 ORB特征 | 第27-29页 |
| 2.2 相似性的度量 | 第29-30页 |
| 2.3 图像检索算法性能评价标准 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 哈希码学习图像检索的主流算法研究 | 第32-43页 |
| 3.1 基于哈希码学习图像检索算法的体系结构 | 第32-33页 |
| 3.2 基于非监督学习的哈希码检索算法 | 第33-38页 |
| 3.2.1 局部敏感哈希算法 (LSH) | 第34-35页 |
| 3.2.2 谱哈希 (SH) | 第35-36页 |
| 3.2.3 迭代量化哈希（ITQ） | 第36-37页 |
| 3.2.4 二值重建嵌入（BRE） | 第37-38页 |
| 3.3 基于监督学习的哈希码检索算法 | 第38-41页 |
| 3.3.1 监督学习核哈希（KSH） | 第38-39页 |
| 3.3.2 最小损失哈希的紧凑二值编码（MLH） | 第39-40页 |
| 3.3.3 基于决策树的快速监督哈希（Fast Hash） | 第40页 |
| 3.3.4 监督离散哈希（SDH） | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 一种监督学习离散哈希码自适应优化的图像检索算法 | 第43-58页 |
| 4.1 算法的目的与意义 | 第43-44页 |
| 4.2 算法的思想与内容 | 第44-47页 |
| 4.3 实验结果与分析 | 第47-54页 |
| 4.3.1 CIFAR-10 数据集和实验结果 | 第48-50页 |
| 4.3.2 MIRFLickr-25000 数据集和实验结果 | 第50-52页 |
| 4.3.3 NUS-WIDE数据集和实验结果 | 第52-54页 |
| 4.4 算法在工业中的应用 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 全文总结与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的成果 | 第65-66页 |
