| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 国内外相关技术研究现状 | 第10-13页 |
| 1.2.1 基于文本特征的图像检索 | 第10-11页 |
| 1.2.2 基于内容特征的图像检索 | 第11-13页 |
| 1.3 主要研究内容及组织结构 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 论文的组织结构 | 第14-15页 |
| 第2章 基于内容的图像检索相关技术 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 图像特征提取 | 第15-18页 |
| 2.2.1 图像的低层视觉特征 | 第16-17页 |
| 2.2.2 图像的高层语义特征 | 第17-18页 |
| 2.2.3 深度学习特征 | 第18页 |
| 2.3 相似性度量 | 第18-20页 |
| 2.4 图像哈希技术 | 第20-24页 |
| 2.4.1 位置敏感哈希方法(LSH) | 第20-21页 |
| 2.4.2 迭代量化哈希(ITQ) | 第21-22页 |
| 2.4.3 谱哈希方法(SH) | 第22-23页 |
| 2.4.4 基于图的哈希方法(Hashing with Graphs) | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 拉普拉斯图模型的多视图非负特征融合算法 | 第25-39页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于非负特征融合的多图模型 | 第26-32页 |
| 3.2.1 非负矩阵分解算法 | 第26-28页 |
| 3.2.2 定义与假设 | 第28-29页 |
| 3.2.3 多图正则化非负特征融合 | 第29-30页 |
| 3.2.4 模型优化 | 第30-32页 |
| 3.3 图构造的优化方法 | 第32-34页 |
| 3.3.1 锚图构造 | 第32-34页 |
| 3.3.2 设计新的邻接矩阵 | 第34页 |
| 3.3.3 时间复杂度分析 | 第34页 |
| 3.4 多特征融合算法实验设计与分析 | 第34-38页 |
| 3.4.1 数据集 | 第34-35页 |
| 3.4.2 实验设置 | 第35-36页 |
| 3.4.3 评价标准 | 第36页 |
| 3.4.4 实验结果分析 | 第36-37页 |
| 3.4.5 参数设置 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 离散图哈希图像检索算法 | 第39-54页 |
| 4.1 引言 | 第39-40页 |
| 4.2 有监督学习的离散图哈希算法 | 第40-43页 |
| 4.2.1 定义与假设 | 第40-41页 |
| 4.2.2 有监督学习的离散图哈希算法框架 | 第41-43页 |
| 4.3 锚图构造 | 第43-46页 |
| 4.3.1 锚图方法 | 第43-44页 |
| 4.3.2 优化方法 | 第44-46页 |
| 4.4 图像检索实验设计与分析 | 第46-52页 |
| 4.4.1 数据集 | 第46页 |
| 4.4.2 实验设置 | 第46-47页 |
| 4.4.3 评价标准 | 第47-48页 |
| 4.4.4 对比方法 | 第48-49页 |
| 4.4.5 实验结果分析 | 第49-50页 |
| 4.4.6 参数敏感性 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第60-62页 |
| 致谢 | 第62页 |