基于内容特征的图像检索系统设计
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 基于内容特征的图像检索(CBIR) | 第11-15页 |
| 1.2.1 CBIR的基本模型 | 第11-12页 |
| 1.2.2 CBIR使用的特征 | 第12-15页 |
| 1.2.3 CBIR的应用 | 第15页 |
| 1.3 本文研究内容与组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 图像分割技术 | 第17-29页 |
| 2.1 基于阈值的分割 | 第17-20页 |
| 2.1.1 经验阈值分割 | 第18页 |
| 2.1.2 直方图阈值分割 | 第18-19页 |
| 2.1.3 贝叶斯阈值分割 | 第19-20页 |
| 2.2 基于边界的图像分割 | 第20-24页 |
| 2.2.1 点检测法获取边界 | 第20-22页 |
| 2.2.2 线检测法获取边界 | 第22-24页 |
| 2.3 区域检测 | 第24-25页 |
| 2.3.1 区域增长 | 第24-25页 |
| 2.3.2 区域分裂—合并 | 第25页 |
| 2.4 基于模型的图像分割 | 第25-28页 |
| 2.4.1 基于Snakes模型的图像分割 | 第26-27页 |
| 2.4.2 基于组合优化模型的分割 | 第27页 |
| 2.4.3 基于随机场模型的图像分割 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 图像特征提取 | 第29-40页 |
| 3.1 纹理特征 | 第29-32页 |
| 3.1.1 共生灰度矩阵 | 第29-30页 |
| 3.1.2 局部二元模式 | 第30-31页 |
| 3.1.3 Gabor小波提取纹理 | 第31-32页 |
| 3.2 颜色特征 | 第32-34页 |
| 3.2.1 颜色直方图 | 第33-34页 |
| 3.2.2 颜色矩 | 第34页 |
| 3.3 形状特征 | 第34-39页 |
| 3.3.1 曲率空间描述子 | 第35-36页 |
| 3.3.2 Zemike矩描述子 | 第36-37页 |
| 3.3.3 通用傅里叶变换描述子 | 第37-38页 |
| 3.3.4 径向角仿射变换描述子 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 机器学习和分类 | 第40-47页 |
| 4.1 K均值聚类 | 第40-41页 |
| 4.2 基于密度的分类法 | 第41-42页 |
| 4.3 支持向量机 | 第42-44页 |
| 4.4 人工神经网络 | 第44-45页 |
| 4.5 贝叶斯分类器 | 第45-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 基于内容特征的图像检索 | 第47-56页 |
| 5.1 整体构思 | 第47-49页 |
| 5.2 图像自适应分块 | 第49-50页 |
| 5.3 形状相似度的计算 | 第50-53页 |
| 5.4 图像匹配和相似度计算 | 第53-54页 |
| 5.5 检索实验 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 本文创新总结 | 第56-57页 |
| 6.3 技术展望 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士研究生期间参与的科研项目 | 第66页 |
| 参与科研项目 | 第66页 |
