| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 引言 | 第7-11页 |
| 1.1 研究背景及意义 | 第7-9页 |
| 1.2 本文研究工作概述 | 第9-10页 |
| 1.3 本文结构 | 第10-11页 |
| 第二章 图像视觉特征与相似度度量 | 第11-28页 |
| 2.1 特征概述 | 第11页 |
| 2.2 全局视觉特征 | 第11-18页 |
| 2.2.1 颜色特征 | 第12-15页 |
| 2.2.2 纹理特征 | 第15-16页 |
| 2.2.3 形状特征 | 第16-17页 |
| 2.2.4 其他全局特征 | 第17-18页 |
| 2.3 局部视觉特征 | 第18-25页 |
| 2.3.1 SIFT特征提取算法 | 第18-22页 |
| 2.3.2 SURF特征简介 | 第22-23页 |
| 2.3.3 局部特征的词袋模型 | 第23-25页 |
| 2.4 视觉特征的比较和选择 | 第25页 |
| 2.5 图像相似度度量 | 第25-27页 |
| 2.6 小结 | 第27-28页 |
| 第三章 图像检索重排序基础理论 | 第28-35页 |
| 3.1 图像检索重排序基础 | 第28-30页 |
| 3.1.1 图像检索重排序相关定义 | 第28-29页 |
| 3.1.2 图像检索重排序假设 | 第29-30页 |
| 3.2 视觉检索重排序方法概述 | 第30-31页 |
| 3.3 自反馈重排序方法介绍 | 第31-34页 |
| 3.3.1 伪相关反馈法 | 第32页 |
| 3.3.2 基于聚类的重排序 | 第32-33页 |
| 3.3.3 基于模式学习的重排序法 | 第33页 |
| 3.3.4 基于图模型方法 | 第33-34页 |
| 3.4 总结分析 | 第34-35页 |
| 第四章 自适应选择的图像检索重排序方法 | 第35-45页 |
| 4.1 研究目的及相关工作 | 第35页 |
| 4.2 自适应选择模型 | 第35-40页 |
| 4.2.1 文本特征的收集与分类过程 | 第36-38页 |
| 4.2.2 视觉特征的评估与选择 | 第38-39页 |
| 4.2.3 图像检索重排序 | 第39-40页 |
| 4.3 实验及结果分析 | 第40-43页 |
| 4.3.1 数据集说明 | 第40页 |
| 4.3.2 特征选择实验 | 第40-42页 |
| 4.3.3 WebQueries重排序实验结果与分析 | 第42-43页 |
| 4.3.4 MSRA-MM重排序实验结果与分析 | 第43页 |
| 4.4 总结与展望 | 第43-45页 |
| 第五章 概念建模与重排序 | 第45-56页 |
| 5.1 研究目的及相关工作 | 第45页 |
| 5.2 概念建模与重排序 | 第45-51页 |
| 5.2.1 模型总框架 | 第45-46页 |
| 5.2.2 构建视觉字典 | 第46-48页 |
| 5.2.3 获得概念模型 | 第48-49页 |
| 5.2.4 权重和最优N值的选择 | 第49-51页 |
| 5.2.5 图像重排序 | 第51页 |
| 5.3 实验及结果分析 | 第51-55页 |
| 5.3.1 权重对实验结果的影响实验 | 第51-53页 |
| 5.3.2 最优值N的实验 | 第53-54页 |
| 5.3.3 物体和场景的实验 | 第54-55页 |
| 5.4 总结与展望 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 本文总结 | 第56页 |
| 6.2 未来研究展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 附录一 硕士期间发表的论文和专利 | 第63-64页 |
| 致谢 | 第64-65页 |