| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 聚类算法在图像检索中的应用 | 第12-14页 |
| 1.4 论文主要研究内容 | 第14页 |
| 1.5 论文的组织结构 | 第14-17页 |
| 2 图像检索 | 第17-25页 |
| 2.1 基于内容的图像检索的主要流程 | 第17-18页 |
| 2.2 图像特征提取 | 第18-22页 |
| 2.2.1 颜色特征 | 第18-21页 |
| 2.2.2 纹理特征 | 第21-22页 |
| 2.2.3 形状特征 | 第22页 |
| 2.3 图像的相似性度量 | 第22-25页 |
| 3 图像检索系统聚类方法 | 第25-33页 |
| 3.1 聚类算法概述 | 第25-29页 |
| 3.1.1 K均值聚类算法 | 第25-27页 |
| 3.1.2 DBSCAN聚类算法 | 第27-28页 |
| 3.1.3 SOM聚类算法 | 第28-29页 |
| 3.2 谱聚类算法 | 第29-30页 |
| 3.3 AP聚类算法 | 第30-33页 |
| 4 基于快速密度峰值的图像检索系统 | 第33-41页 |
| 4.1 融入区域相关性的图像特征提取 | 第33-37页 |
| 4.1.1 颜色特征提取及其量化方法 | 第33-34页 |
| 4.1.2 区域相关性计算方法 | 第34-37页 |
| 4.2 相似度矩阵的计算方法 | 第37页 |
| 4.3 DP聚类算法 | 第37-39页 |
| 4.3.1 快速搜索密度峰值(DP)聚类算法 | 第37-38页 |
| 4.3.2 DP算法的优化 | 第38-39页 |
| 4.4 图像检索系统设计 | 第39-41页 |
| 5 实验结果与分析 | 第41-47页 |
| 5.1 实验环境 | 第41页 |
| 5.2 特征提取方法实验结果与分析 | 第41-44页 |
| 5.3 基于快速密度峰值聚类的图像检索实验结果与分析 | 第44-45页 |
| 5.4 图像检索系统展示 | 第45-47页 |
| 6 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第55页 |