| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 引言 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·图像检索的发展历程及现状 | 第12-16页 |
| ·本文主要内容及结构安排 | 第16-17页 |
| 2 图像检索技术 | 第17-35页 |
| ·基于文本的Web搜索引擎 | 第17-22页 |
| ·Web搜索引擎工作原理 | 第17-18页 |
| ·Web搜索引擎体系结构 | 第18-19页 |
| ·一些著名的Web图像搜索引擎 | 第19-22页 |
| ·基于内容的图像检索系统 | 第22-26页 |
| ·CBIR系统结构 | 第23-24页 |
| ·CBIR的特点及相关技术 | 第24-25页 |
| ·现有的著名CBIR系统 | 第25-26页 |
| ·Web图像检索语义分析 | 第26-31页 |
| ·Web脚本分析 | 第27-30页 |
| ·Web图像语义信息的搜集与分析 | 第30-31页 |
| ·视觉与文本结合的相关研究 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 3 视觉内容与文本分析结合的检索框架与实现 | 第35-45页 |
| ·视觉与文本分析结合框架的提出 | 第35页 |
| ·系统框架 | 第35-37页 |
| ·Web人像图片的视觉内容判别 | 第37-40页 |
| ·人脸检测 | 第37-38页 |
| ·AdaBoost人脸检测基本原理 | 第38-40页 |
| ·OpenCV介绍 | 第40页 |
| ·基于脚本分析的语义挖掘 | 第40-41页 |
| ·布尔型语义向量模型 | 第40-41页 |
| ·基于Web脚本的语义相关度度量 | 第41页 |
| ·脚本语义与视觉内容的结合 | 第41-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·系统性能评价标准 | 第42-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 基于概率隐语义模型的高层语义分析 | 第45-61页 |
| ·概率隐语义分析方法的原理及引入 | 第45-50页 |
| ·问题提出背景 | 第45-46页 |
| ·隐语义分析(Latent Semantic Analysis，LSA) | 第46-48页 |
| ·PLSA(Probability Latent Semantic Analysis)原理 | 第48-50页 |
| ·基于PLSA的排序模型 | 第50-51页 |
| ·高层语义与视觉内容的结合 | 第51-52页 |
| ·基于PLSA的语义信息元动态加权 | 第52-53页 |
| ·实验结果与分析 | 第53-58页 |
| 1、实验一 | 第53-54页 |
| 2、实验二 | 第54-58页 |
| ·本章小结 | 第58-61页 |
| 5 原型演示系统介绍 | 第61-67页 |
| ·系统界面及结果显示 | 第61-62页 |
| ·重点模块功能介绍 | 第62-66页 |
| ·Spider模块 | 第62-64页 |
| ·XML文档的生成和使用 | 第64-66页 |
| ·其他模块 | 第66页 |
| ·本章小结 | 第66-67页 |
| 6 结论 | 第67-69页 |
| ·工作总结 | 第67-68页 |
| ·未来展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |