| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 基于内容的图像检索技术研究现状 | 第10-11页 |
| 1.3 CBIR典型系统 | 第11-12页 |
| 1.4 论文主要内容及章节安排 | 第12-15页 |
| 第二章 CBIR的相关技术理论 | 第15-21页 |
| 2.1 CBIR的系统结构 | 第15-16页 |
| 2.2 图像特征提取 | 第16-17页 |
| 2.2.1 基于颜色特征的图像检索 | 第16页 |
| 2.2.2 基于纹理特征的图像检索 | 第16-17页 |
| 2.2.3 基于形状特征的图像检索 | 第17页 |
| 2.3 相似性度量 | 第17-19页 |
| 2.3.1 明可夫斯基距离 | 第18页 |
| 2.3.2 直方图距离 | 第18-19页 |
| 2.3.3 马氏距离 | 第19页 |
| 2.4 图像检索系统性能评价 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 服装图像的特征提取算法分析 | 第21-57页 |
| 3.1 服装图像的颜色特征提取 | 第21-34页 |
| 3.1.1 常用颜色空间 | 第21-24页 |
| 3.1.2 常用颜色特征 | 第24-26页 |
| 3.1.3 基于HSV颜色矩的颜色特征提取算法 | 第26-27页 |
| 3.1.4 实验结果及分析 | 第27-34页 |
| 3.2 服装图像纹理特征提取 | 第34-48页 |
| 3.2.1 典型纹理特征 | 第34-37页 |
| 3.2.2 基于傅里叶描述子的纹理特征提取算法 | 第37-40页 |
| 3.2.3 实验结果及分析 | 第40-48页 |
| 3.3 服装图像形状特征提取 | 第48-56页 |
| 3.3.1 常用形状特征 | 第49-52页 |
| 3.3.2 基于Hu不变矩的形状特征提取算法 | 第52-53页 |
| 3.3.3 实验结果及分析 | 第53-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于多特征融合的服装图片检索 | 第57-71页 |
| 4.1 基于多特征融合算法介绍 | 第57-60页 |
| 4.1.1 算法流程 | 第57页 |
| 4.1.2 图像特征归一化 | 第57-58页 |
| 4.1.3 图像特征值权重设定 | 第58页 |
| 4.1.4 相似性度量算法介绍 | 第58-59页 |
| 4.1.5 融合算法实验结果 | 第59-60页 |
| 4.2 基于多特征融合的服装图片检索的系统实现 | 第60-69页 |
| 4.2.1 系统开发环境 | 第60页 |
| 4.2.2 系统介绍 | 第60-69页 |
| 4.3 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 附录A 攻读硕士学位期间主要成果 | 第79-81页 |
| 附录B 程序核心代码 | 第81-87页 |
| 附录1: 颜色矩、傅里叶描述子和7个Hu不变矩算法的函数源代码 | 第81-85页 |
| 附录2: 融合算法的部分核心源代码 | 第85-87页 |