| 第一章 绪论 | 第7-20页 |
| 1.1 引言 | 第7-8页 |
| 1.2 基于内容的图像检索的发展与难点 | 第8-13页 |
| 1.2.1 国外研究发展现状 | 第8-10页 |
| 1.2.2 国内研究发展现状 | 第10页 |
| 1.2.3 基于内容的图像检索的应用领域 | 第10-11页 |
| 1.2.4 基于内容的图像检索存在的难点 | 第11-13页 |
| 1.3 基于内容的图像检索系统的标准及功能框架 | 第13-17页 |
| 1.3.1 图像检索系统采用的国际标准 | 第13-15页 |
| 1.3.2 基于内容的图像检索系统的基本框架 | 第15-17页 |
| 1.4 论文的课题来源及主要内容 | 第17-19页 |
| 1.4.1 课题的来源及意义 | 第17-18页 |
| 1.4.2 课题研究的主要内容 | 第18-19页 |
| 1.5 论文各章内容安排 | 第19-20页 |
| 第二章 高维特征向量的降维算法研究 | 第20-27页 |
| 2.1 基于Karhunen-Loeve 变换的降维算法 | 第20-22页 |
| 2.2 基于FastMap 映射算法的降维方法 | 第22-24页 |
| 2.2.1 一维空间映射 | 第22-23页 |
| 2.2.2 k维空间映射 | 第23-24页 |
| 2.2.3 中心轴的选取 | 第24页 |
| 2.3 降维算法实验结果对比 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 高维特征向量索引算法研究 | 第27-40页 |
| 3.1 高维空间索引算法 | 第27-30页 |
| 3.1.1 R树空间索引 | 第27-29页 |
| 3.1.2 四叉树空间索引 | 第29-30页 |
| 3.2 基于聚类的索引算法 | 第30-36页 |
| 3.2.1 C均值聚类算法 | 第31-32页 |
| 3.2.2 模糊C均值聚类算法 | 第32-33页 |
| 3.2.3 改进模糊C均值聚类算法 | 第33-36页 |
| 3.3 聚类可视化 | 第36-37页 |
| 3.4 聚类算法实验对比 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 相似性度量 | 第40-52页 |
| 4.1 相似公理 | 第40-41页 |
| 4.2 特征向量目标模型的构建 | 第41-42页 |
| 4.3 相似度匹配算法研究 | 第42-44页 |
| 4.4 特征向量的归一化 | 第44-47页 |
| 4.4.1 特征内部归一化 | 第44-46页 |
| 4.4.2 特征间归一化 | 第46-47页 |
| 4.5 基于相关反馈的图像特征权重调整 | 第47-50页 |
| 4.5.1 相似度衡量步骤 | 第47-48页 |
| 4.5.2 外部特征权重调整 | 第48-49页 |
| 4.5.3 内部特征权重调整 | 第49-50页 |
| 4.6 权重调整检索结果对比 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第五章 系统实现及性能评价 | 第52-60页 |
| 5.1 仿真实验环境 | 第52-53页 |
| 5.2 系统实现 | 第53-56页 |
| 5.2.1 检索模块 | 第53-55页 |
| 5.2.2 聚类模块 | 第55-56页 |
| 5.3 实验结果 | 第56-58页 |
| 5.3.1 不同查询方法的时间性能比较 | 第56-57页 |
| 5.3.2 不同查询方法的准确度比较 | 第57-58页 |
| 5.4 效果评价 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-64页 |
| 6.1 本文完成的工作 | 第60页 |
| 6.2 进一步工作的建议 | 第60-62页 |
| 6.3 展望 | 第62-64页 |
| 附表1.1MPEG－7标准所规定描述符 | 第64-66页 |
| 致 谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 摘 要 | 第71-74页 |
| Abstract | 第74页 |