| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外发展概况与应用领域 | 第10-14页 |
| 1.2.1 发展概况 | 第10-11页 |
| 1.2.2 CBIR系统的基本框架和功能模块 | 第11-13页 |
| 1.2.3 基于内容的图像检索的应用领域 | 第13页 |
| 1.2.4 面临的挑战 | 第13-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文的章节安排 | 第15-16页 |
| 第二章 基于SIFT特征的图像表示 | 第16-34页 |
| 2.1 基于图像检索的图像表示方法 | 第16页 |
| 2.2 SIFT特征提取 | 第16-27页 |
| 2.2.1 构建尺度空间 | 第16-19页 |
| 2.2.2 尺度空间的极值点检测 | 第19-26页 |
| 2.2.3 SIFT特征算法步骤 | 第26-27页 |
| 2.3 基于SIFT特征的图像表示 | 第27-29页 |
| 2.3.1 PCA算法简介 | 第27-28页 |
| 2.3.2 SIFT-PCA算法 | 第28-29页 |
| 2.4 本章实验 | 第29-33页 |
| 2.4.1 实验设计 | 第29-30页 |
| 2.4.2 实验结果及分析 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 特征聚类与分布式索引 | 第34-53页 |
| 3.1 图像索引方法简介 | 第34页 |
| 3.2 特征聚类方法 | 第34-39页 |
| 3.2.1 谱聚类算法 | 第35-38页 |
| 3.2.2 基于密度的聚类方法 | 第38-39页 |
| 3.3 二次聚类的谱聚类算法 | 第39-45页 |
| 3.3.1 基于密度的关键定义 | 第39-41页 |
| 3.3.2 算法设计 | 第41-42页 |
| 3.3.3 实验结果 | 第42-45页 |
| 3.4 基于聚类和并行计算的图像检索 | 第45-52页 |
| 3.4.1 KD树结构和构造方法 | 第46-47页 |
| 3.4.2 分布式索引的建立 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于距离度量学习的交互式检索 | 第53-65页 |
| 4.1 近邻算法 | 第54-57页 |
| 4.1.1 距离度量 | 第54-56页 |
| 4.1.2 基于马氏距离的kNN | 第56-57页 |
| 4.2 距离度量学习 | 第57-60页 |
| 4.2.1 距离度量学习简介 | 第57-58页 |
| 4.2.2 算法具体描述 | 第58-60页 |
| 4.3 基于距离度量学习的交互式检索 | 第60-64页 |
| 4.3.1 现有方法不足和分析 | 第60-62页 |
| 4.3.2 交互式检索实现细节 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 实验结果及分析 | 第65-74页 |
| 5.1 算法工作流程图 | 第65-66页 |
| 5.2 检索性能评价指标 | 第66页 |
| 5.3 仿真实验与测试 | 第66-74页 |
| 5.3.1 建立分布式索引和检索实验 | 第67-70页 |
| 5.3.2 基于距离度量学习和用户反馈的交互式检索实验 | 第70-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 研究总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |