基于特征权重自适应调整的CBIR算法
| 第一章 绪论 | 第1-14页 |
| ·引言 | 第7-12页 |
| ·CBIR 技术概述 | 第7-8页 |
| ·CBIR 技术研究现状 | 第8-11页 |
| ·CBIR 技术的发展方向 | 第11-12页 |
| ·研究目的与意义 | 第12-13页 |
| ·论文的主要工作 | 第13页 |
| ·论文的内容安排 | 第13-14页 |
| 第二章 图像检索中的相关反馈技术 | 第14-21页 |
| ·反馈在检索中的必要性 | 第14-15页 |
| ·对反馈的需求 | 第14-15页 |
| ·高层交互的意义 | 第15页 |
| ·相关反馈技术 | 第15-17页 |
| ·相关反馈的概念和特点 | 第15-16页 |
| ·相关反馈中的正例和反例 | 第16页 |
| ·相关反馈算法分类 | 第16-17页 |
| ·基于权重调整的相关反馈方法 | 第17-21页 |
| 第三章 综合颜色与纹理特征的图像检索 | 第21-36页 |
| ·CBIR 系统的检索性能因素分析 | 第21-26页 |
| ·图像底层特征 | 第21-22页 |
| ·相似性度量方法 | 第22-24页 |
| ·检索性能评价指标 | 第24-26页 |
| ·基于颜色特征的检索 | 第26-30页 |
| ·常用颜色特征 | 第27-29页 |
| ·检索性能分析 | 第29-30页 |
| ·基于纹理特征的检索 | 第30-34页 |
| ·统计纹理分析方法 | 第31-33页 |
| ·纹理的结构分析方法 | 第33-34页 |
| ·基于局部方向和能量等信息的分析方法 | 第34页 |
| ·综合颜色特征与纹理特征的检索 | 第34-36页 |
| 第四章 相关反馈中的学习机制研究 | 第36-44页 |
| ·机器学习和有记忆相关反馈 | 第36-40页 |
| ·机器学习的概念 | 第36页 |
| ·相关反馈结果的存储记忆 | 第36-38页 |
| ·相关反馈中视觉特征与语义的结合 | 第38-39页 |
| ·相关反馈与机器学习机制的融合 | 第39-40页 |
| ·结果集的机器学习与离线管理方法 | 第40-44页 |
| ·结果集的机器学习 | 第40-41页 |
| ·结果集的离线管理 | 第41-44页 |
| 第五章 特征权重自适应调整算法研究 | 第44-54页 |
| ·实验系统的检索策略 | 第44页 |
| ·自适应调整算法思想 | 第44-47页 |
| ·自适应调整算法实现 | 第47-51页 |
| ·算法流程 | 第48页 |
| ·算法要点说明 | 第48-51页 |
| ·实验结果与分析 | 第51-54页 |
| 第六章 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 摘要 | 第60-63页 |
| Abstract | 第63-67页 |
| 致谢 | 第67页 |
