基于内容的图像检索与分类若干技术的研究
| 提要 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景和目的 | 第13-15页 |
| ·研究背景 | 第13-14页 |
| ·研究意义 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·本文的主要工作及创新之处 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第2章 图像检索的相关知识 | 第19-39页 |
| ·引言 | 第19-20页 |
| ·基于内容的图像检索 | 第20-30页 |
| ·颜色特征 | 第21-25页 |
| ·纹理特征 | 第25-27页 |
| ·形状特征 | 第27-28页 |
| ·空间布局和子区域 | 第28-30页 |
| ·基于语义特征的图像检索 | 第30页 |
| ·基于反馈技术的图像检索 | 第30-31页 |
| ·图像分割技术 | 第31-35页 |
| ·并行边界分割技术 | 第32-33页 |
| ·串行边界分割技术 | 第33页 |
| ·并行区域分割技术 | 第33页 |
| ·串行区域分割技术 | 第33-34页 |
| ·彩色图像的分割方法 | 第34-35页 |
| ·Matlab | 第35-37页 |
| ·Matlab 语言 | 第35页 |
| ·本文应用到的部分Matlab 功能 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第3章 基于颜色特征的图像检索 | 第39-55页 |
| ·引言 | 第39页 |
| ·基于主色的图像检索方法 | 第39-41页 |
| ·基于主色的全局图像检索方法 | 第39-40页 |
| ·基于图像分割的图像检索方法 | 第40页 |
| ·基于分块主色的图像检索方法 | 第40页 |
| ·基于目标区域主色提取的图像检索方法 | 第40-41页 |
| ·利用HSV 模型计算直方图 | 第41-42页 |
| ·颜色空间的量化 | 第42-44页 |
| ·主色调的确定 | 第44-45页 |
| ·检索特征向量的构建 | 第45-46页 |
| ·算法描述 | 第46页 |
| ·相似性度量方法 | 第46-48页 |
| ·距离度量 | 第46-47页 |
| ·相关计算 | 第47页 |
| ·关系系数计算 | 第47-48页 |
| ·本文采用的相似性度量方法 | 第48页 |
| ·实验 | 第48-53页 |
| ·本章小结 | 第53-55页 |
| 第4章 基于支持向量机的图像分类 | 第55-69页 |
| ·引言 | 第55页 |
| ·应用SVM 的图像分类方法 | 第55-56页 |
| ·现有相关算法 | 第55-56页 |
| ·本文算法思想 | 第56页 |
| ·图像分割与特征向量的提取 | 第56-59页 |
| ·颜色空间转换 | 第56页 |
| ·分割图像 | 第56-58页 |
| ·目标区域的确定 | 第58-59页 |
| ·特征向量的提取 | 第59页 |
| ·应用支持向量机对图像进行分类 | 第59-62页 |
| ·支持向量机 | 第59-61页 |
| ·核函数 | 第61页 |
| ·LIBSVM | 第61-62页 |
| ·应用SVM 对图像进行分类 | 第62页 |
| ·算法描述 | 第62-63页 |
| ·实验及讨论 | 第63-65页 |
| ·深度网资源搜索 | 第65-66页 |
| ·文本分类 | 第65-66页 |
| ·Web 爬行 | 第66页 |
| ·deep Web 主题爬行 | 第66页 |
| ·本章小结 | 第66-69页 |
| 第5章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 作者简介及在学期间所取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |
