摘要 | 第1-4页 |
Abstract | 第4-10页 |
第一章 绪论 | 第10-18页 |
·研究背景与意义 | 第10-12页 |
·研究背景 | 第10-11页 |
·研究意义 | 第11-12页 |
·问题的提出及本论文的主要贡献 | 第12-16页 |
·存在的问题 | 第12-14页 |
·沦文的主要贡献 | 第14-16页 |
·论文的组织结构 | 第16-18页 |
第二章 基于内容图像检索相关技术综述 | 第18-36页 |
·基于内容图像检索的发展历史及其概念与特点 | 第18-19页 |
·图像内容的提取与表示 | 第19-24页 |
·低层视觉特征表示与提取方法 | 第20-22页 |
·语义特征提取 | 第22-24页 |
·相关反馈技术 | 第24-29页 |
·文本检索中的相关反馈方法 | 第25-26页 |
·基于低层视觉特征的相关反馈方法 | 第26-28页 |
·低层视觉特征和高层语义特征相结合的反馈 | 第28-29页 |
·与基于内容的图像检索相关的其他问题 | 第29-33页 |
·相似性度量方法 | 第29-31页 |
·高维索引技术 | 第31页 |
·多媒体检索相关标准 | 第31页 |
·基于内容检索的评价指标 | 第31-32页 |
·基于内容的图像检索方式 | 第32-33页 |
·典型的图像检索系统 | 第33-34页 |
·结论 | 第34-36页 |
第三章 图像检索中的一种自适应相关反馈方法 | 第36-50页 |
·引言 | 第36页 |
·自适应相关反馈方法 | 第36-39页 |
·基本原理 | 第36-38页 |
·自适应反馈方法——Rich Get Richer方法 | 第38-39页 |
·算法的实现过程 | 第39-41页 |
·贝叶斯方法实现过程 | 第39-40页 |
·Rich Get Richer方法实现过程 | 第40页 |
·所采用的相似性度量方法 | 第40-41页 |
·算法有效性的定性分析 | 第41-43页 |
·实验结果及性能评价 | 第43-47页 |
·视觉特征选择与提取 | 第43-44页 |
·性能评价 | 第44-47页 |
·结论 | 第47-50页 |
第四章 面向相关反馈的图像语义模型 | 第50-64页 |
·引言 | 第50-51页 |
·图像间语义模型 | 第51-52页 |
·基本定义 | 第51-52页 |
·图像间语义模型表示方法 | 第52页 |
·图像间语义关系的学习 | 第52-56页 |
·基于图像关联因子的语义关系学习 | 第52-55页 |
·基于互信息的语义关系学习 | 第55-56页 |
·语义聚类方法 | 第56-63页 |
·基于互信息的语义聚类 | 第57-59页 |
·基于关联规则超图分割的语义聚类 | 第59-63页 |
·结论 | 第63-64页 |
第五章 基于内容图像过滤方法研究 | 第64-86页 |
·引言 | 第64-65页 |
·基于内容的图像过滤概念与特点 | 第65-66页 |
·基于内容图像过滤模型 | 第66-68页 |
·多层次特定类型图像过滤 | 第68-78页 |
·多层次特定类型图像处理框架 | 第68-69页 |
·肤色模型检验 | 第69-73页 |
·基于 SVM方法识别 | 第73-75页 |
·实验结果与分析 | 第75-78页 |
·多特征特定类型图像过滤 | 第78-84页 |
·多特征提取 | 第78-82页 |
·分类器选择 | 第82页 |
·相关反馈 | 第82-83页 |
·实验结果比较 | 第83-84页 |
·结论 | 第84-86页 |
第六章 图像检索和过滤原型系统 | 第86-96页 |
·ImageSeek | 第86-93页 |
·ImageSeek系统框架 | 第86-87页 |
·ImageSeek人机界面 | 第87-93页 |
·ImageFilter | 第93-94页 |
·总结 | 第94-96页 |
第七章 结论与展望 | 第96-100页 |
·论文工作总结 | 第96-98页 |
·进一步工作 | 第98-100页 |
参考文献 | 第100-110页 |
作者简历及论文发表情况 | 第110-112页 |
【作者简历】 | 第110页 |
【攻读博士学位期间发表的主要论文】 | 第110-111页 |
【攻读博士学位期间参加的主要项目】 | 第111页 |
【攻读博士学位期间的获奖情况】 | 第111-112页 |
致谢 | 第112页 |