基于内容的图像检索算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 图像检索算法方面的研究 | 第10-11页 |
| 1.2.2 图像检索系统的研究 | 第11-12页 |
| 1.3 论文的主要内容及结构安排 | 第12-15页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-15页 |
| 第二章 图像检索关键技术 | 第15-22页 |
| 2.1 图像特征描述方法 | 第15-18页 |
| 2.1.1 颜色特征描述方法 | 第15-16页 |
| 2.1.2 纹理特征描述方法 | 第16-18页 |
| 2.1.3 形状特征描述方法 | 第18页 |
| 2.2 相似性度量函数 | 第18-20页 |
| 2.3 检索性能评价准则 | 第20-21页 |
| 2.3.1 检准率与检全率 | 第20-21页 |
| 2.3.2 ANMRR | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于颜色特征的图像检索 | 第22-33页 |
| 3.1 颜色空间模型 | 第22-25页 |
| 3.1.1 RGB颜色空间模型 | 第22-23页 |
| 3.1.2 HSV颜色空间模型 | 第23-25页 |
| 3.2 基于RGB空间颜色特征的图像检索 | 第25-28页 |
| 3.2.1 颜色特征提取方法 | 第25-27页 |
| 3.2.2 实验结果分析比较 | 第27-28页 |
| 3.3 基于HSV空间颜色特征的图像检索 | 第28-32页 |
| 3.3.1 颜色特征提取方法 | 第28-30页 |
| 3.3.2 实验结果分析比较 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于纹理特征的图像检索 | 第33-44页 |
| 4.1 基于小波变换的图像检索算法 | 第33-37页 |
| 4.1.1 小波变换 | 第33-35页 |
| 4.1.2 小波纹理特征提取 | 第35-36页 |
| 4.1.3 试验结果分析 | 第36-37页 |
| 4.2 基于共生矩阵的图像检索算法 | 第37-43页 |
| 4.2.1 灰度共生矩阵特征提取方法 | 第37-39页 |
| 4.2.2 基元共生矩阵特征提取方法 | 第39-41页 |
| 4.2.3 构造纹理特征向量 | 第41页 |
| 4.2.4 实验结果分析比较 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第五章 基于颜色和纹理特征的图像检索 | 第44-54页 |
| 5.1 特征综合方法 | 第44-45页 |
| 5.2 相似性加权相加法进行图像检索 | 第45-47页 |
| 5.2.1 颜色和纹理特征综合方法 | 第45页 |
| 5.2.2 实验结果分析比较 | 第45-47页 |
| 5.3 构造新的特征向量法进行图像检索 | 第47-53页 |
| 5.3.1 图像分块处理 | 第47-48页 |
| 5.3.2 纹理方向检测 | 第48-49页 |
| 5.3.3 RGB空间颜色量化 | 第49-50页 |
| 5.3.4 基元检测与构造特征向量 | 第50-51页 |
| 5.3.5 试验结果分析比较 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结和展望 | 第54-56页 |
| 6.1 工作总结 | 第54-55页 |
| 6.2 研究展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间的研究成果 | 第61页 |
