| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目次 | 第10-13页 |
| 图目录 | 第13-15页 |
| 表目录 | 第15-16页 |
| 符号清单 | 第16-19页 |
| 第1章 绪论 | 第19-25页 |
| ·课题研究背景 | 第19-21页 |
| ·研究内容与目标 | 第21-25页 |
| 第2章 图像识别的主要内容及研究现状 | 第25-49页 |
| ·特征提取 | 第25-31页 |
| ·全局特征:颜色、纹理及轮廓 | 第25-26页 |
| ·局部图像特征描述与提取 | 第26-29页 |
| ·关键点、区域提取方法 | 第29-31页 |
| ·可视词汇表生成 | 第31-33页 |
| ·高维聚类方法 | 第31-32页 |
| ·随机方法 | 第32页 |
| ·监督学习方法 | 第32-33页 |
| ·图像表达与距离函数 | 第33-37页 |
| ·图像特征包 | 第33页 |
| ·特征包向量模型 | 第33-34页 |
| ·物体结构模型 | 第34-35页 |
| ·距离函数 | 第35-37页 |
| ·图像聚类 | 第37-40页 |
| ·k均值聚类 | 第37页 |
| ·高斯混合模型 | 第37-39页 |
| ·支持向量聚类 | 第39-40页 |
| ·判别模型与距离测度学习 | 第40-49页 |
| ·k近邻算法 | 第41页 |
| ·支持向量机方法 | 第41-44页 |
| ·距离测度学习 | 第44-49页 |
| 第3章 半监督支持向量聚类 | 第49-67页 |
| ·支持向量聚类 | 第49-52页 |
| ·支持向量域数据描述 | 第49-51页 |
| ·单球体支持向量聚类 | 第51页 |
| ·多球体支持向量聚类 | 第51-52页 |
| ·半监督聚类方法 | 第52-54页 |
| ·相对比较约束下的支持向量域描述 | 第54-57页 |
| ·优化问题 | 第54-56页 |
| ·求解方法 | 第56-57页 |
| ·半监督支持向量聚类 | 第57-61页 |
| ·目标函数优化 | 第57-59页 |
| ·聚类初始化 | 第59-61页 |
| ·约束生成 | 第61页 |
| ·聚类性能实验 | 第61-66页 |
| ·实验数据集 | 第62页 |
| ·实验结果 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第4章 基于半监督支持向量聚类的图像聚类索引 | 第67-85页 |
| ·图像聚类 | 第67-69页 |
| ·图像聚类索引 | 第67-68页 |
| ·图像分类预处理 | 第68-69页 |
| ·层次半监督支持向量聚类 | 第69-70页 |
| ·参数选择 | 第70-73页 |
| ·高斯尺度参数 | 第70-72页 |
| ·惩罚系数选择 | 第72-73页 |
| ·层次聚类下的相似度函数 | 第73-75页 |
| ·局部线性化相似函数 | 第73-74页 |
| ·非均衡尺度相似函数 | 第74-75页 |
| ·实验及讨论 | 第75-84页 |
| ·本章小结 | 第84-85页 |
| 第5章 广义图像距离函数下的图像分类 | 第85-99页 |
| ·局部图像距离函数 | 第85-86页 |
| ·广义图像距离函数 | 第86-88页 |
| ·全监督约束下的距离函数 | 第87-88页 |
| ·多示例约束下的距离函数 | 第88页 |
| ·基于二次规划的广义图像距离函数学习 | 第88-91页 |
| ·全监督约束距离函数学习 | 第88-90页 |
| ·多示例约束距离函数学习 | 第90-91页 |
| ·广义图像距离下的图像分类 | 第91-93页 |
| ·实验 | 第93-98页 |
| ·Caltech101数据集 | 第93-95页 |
| ·Scene15数据集 | 第95-98页 |
| ·本章小结 | 第98-99页 |
| 第6章 基于聚类预处理的广义距离函数学习及图像多分类框架 | 第99-117页 |
| ·一类支持向量预处理的广义距离函数学习框架 | 第99-101页 |
| ·半监督支持向量聚类预处理的广义距离函数学习 | 第101-105页 |
| ·算法有效性验证 | 第105-106页 |
| ·图像多分类性能实验 | 第106-116页 |
| ·Caltech-4数据集 | 第106-109页 |
| ·Corel-10数据集 | 第109-116页 |
| ·本章小结 | 第116-117页 |
| 第7章 高清车牌定位 | 第117-137页 |
| ·车牌识别简介 | 第117-119页 |
| ·高清车牌定位方法 | 第119-121页 |
| ·高清车牌识别定义 | 第119页 |
| ·相关车牌定位方法 | 第119-121页 |
| ·基于广义距离函数的车牌定位 | 第121-128页 |
| ·基于极大稳定区域的关键区域提取 | 第121-124页 |
| ·区域特征提取 | 第124-125页 |
| ·分类器设计 | 第125-126页 |
| ·时间复杂度分析 | 第126-128页 |
| ·实验与讨论 | 第128-135页 |
| ·极大显著区域有效性测试 | 第128-130页 |
| ·车牌定位实验 | 第130-135页 |
| ·本章小结 | 第135-137页 |
| 第8章 商品图像检索系统 | 第137-167页 |
| ·实验数据集 | 第137-140页 |
| ·特征提取 | 第140-143页 |
| ·局部特征提取 | 第140-141页 |
| ·主内容特征提取 | 第141-142页 |
| ·颜色特征提取 | 第142-143页 |
| ·并行检索方法 | 第143-149页 |
| ·并行检索系统模型 | 第144-145页 |
| ·反向索引文件 | 第145-146页 |
| ·数据更新流程 | 第146-149页 |
| ·并行聚类索引模型 | 第149页 |
| ·用户反馈学习 | 第149-154页 |
| ·独立特征相关反馈 | 第150-151页 |
| ·多特征相关反馈 | 第151-152页 |
| ·相关反馈学习 | 第152-154页 |
| ·系统实验 | 第154-166页 |
| ·单特征检索结果评价 | 第155-160页 |
| ·多特征相关反馈检索结果评价 | 第160-163页 |
| ·检索时间评价及优化策略 | 第163-166页 |
| ·本章小结 | 第166-167页 |
| 第9章 总结与展望 | 第167-169页 |
| 参考文献 | 第169-183页 |
| 攻读学位期间主要研究成果 | 第183页 |