基于线性降维和相关反馈的图像检索技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题背景和意义 | 第12-13页 |
| 1.2 CBIR的研究现状和主要问题 | 第13-18页 |
| 1.2.1 CBIR的国内外研究发展现状 | 第13-16页 |
| 1.2.2 CBIR系统的体系结构 | 第16页 |
| 1.2.3 CBIR研究中的关键问题及解决方法 | 第16-18页 |
| 1.3 本文的主要研究思路和内容 | 第18-19页 |
| 1.4 本文的组织结构 | 第19-22页 |
| 第二章 CBIR中图像特征的提取与描述 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 颜色特征的提取与描述 | 第22-26页 |
| 2.2.1 颜色直方图 | 第22-25页 |
| 2.2.2 颜色矩 | 第25页 |
| 2.2.3 颜色集 | 第25-26页 |
| 2.2.4 颜色相关图 | 第26页 |
| 2.3 纹理特征的提取与描述 | 第26-27页 |
| 2.4 形状特征的提取与描述 | 第27-28页 |
| 2.5 空间关系特征的提取与描述 | 第28页 |
| 2.6 相似性度量 | 第28-29页 |
| 2.7 检索性能评价标准 | 第29-30页 |
| 2.8 本章小结 | 第30-32页 |
| 第三章 一种鲁棒的余弦-欧氏距离度量降维算法 | 第32-46页 |
| 3.1 引言 | 第32-33页 |
| 3.2 几种常用的降维算法 | 第33-37页 |
| 3.2.1 主成分分析(PCA) | 第33-34页 |
| 3.2.2 局部保持投影(LPP) | 第34-35页 |
| 3.2.3 局部线性嵌入(LLE) | 第35-37页 |
| 3.3 AOGE和LPCA算法 | 第37-39页 |
| 3.3.1 AOGE算法 | 第37页 |
| 3.3.2 PCA和AOGE算法的比较 | 第37-38页 |
| 3.3.3 LPCA算法 | 第38-39页 |
| 3.4 RCEM理论分析及算法 | 第39-40页 |
| 3.5 基于RCEM算法的图像检索方法 | 第40-41页 |
| 3.6 实验结果及分析 | 第41-44页 |
| 3.6.1 实验设置 | 第41-42页 |
| 3.6.2 实验结果及分析 | 第42-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第四章 判别极端学习机分类算法 | 第46-54页 |
| 4.1 引言 | 第46页 |
| 4.2 ELM算法 | 第46-49页 |
| 4.3 判别极端学习机分类算法 | 第49-52页 |
| 4.3.1 LDA及MMC的优化模型 | 第49-51页 |
| 4.3.2 判别极端学习机(DELM) | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 一种判别极端学习的相关反馈图像检索方法 | 第54-64页 |
| 5.1 引言 | 第54页 |
| 5.2 基于SVM的相关反馈图像检索算法 | 第54-56页 |
| 5.2.1 SVM算法 | 第54-55页 |
| 5.2.2 基于SVM的相关反馈 | 第55-56页 |
| 5.3 基于DELM的相关反馈图像检索算法 | 第56-57页 |
| 5.4 实验结果及分析 | 第57-63页 |
| 5.4.1 实验设置 | 第57-58页 |
| 5.4.2 实验结果及分析 | 第58-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 结论及展望 | 第64-66页 |
| 6.1 结论 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者简介 | 第74页 |
