| 目录 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9页 |
| ·本文主要工作 | 第9-10页 |
| ·本文组织结构 | 第10-12页 |
| 第2章 图像检索概述 | 第12-16页 |
| ·图像特征提取 | 第12页 |
| ·兴趣区域检测 | 第12-13页 |
| ·图像检索框架 | 第13-14页 |
| ·本章小结 | 第14-16页 |
| 第3章 基于兴趣区域特征融合的半监督图像检索方法 | 第16-24页 |
| ·图像特征提取 | 第16-17页 |
| ·感兴趣区域划分 | 第16页 |
| ·颜色特征提取及量化 | 第16-17页 |
| ·纹理特征的提取 | 第17页 |
| ·基于半监督学习的图像检索 | 第17-20页 |
| ·相似度计算 | 第17-18页 |
| ·图像检索算法 | 第18-20页 |
| ·实验结果及分析 | 第20-23页 |
| ·数据集及实验设置 | 第20页 |
| ·结果分析 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第4章 基于多视觉词典的显著性加权图像检索方法 | 第24-32页 |
| ·非负稀疏词典学习 | 第24-25页 |
| ·基于多视觉词典的显著性加权图像检索 | 第25-27页 |
| ·显著性汇总 | 第25-26页 |
| ·多视觉词典图像表示 | 第26-27页 |
| ·相似性度量 | 第27页 |
| ·实验结果及分析 | 第27-31页 |
| ·数据集及实验设置 | 第27-28页 |
| ·Corel10K 数据集结果分析 | 第28-30页 |
| ·Caltech256 数据集结果分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第5章 基于稀疏编码和最优成分相似聚合的图像识别方法 | 第32-40页 |
| ·基于稀疏表示的图像分类（SRC） | 第32页 |
| ·基于稀疏编码和最优成分相似度聚合的图像识别方法 | 第32-36页 |
| ·图像划分和重构误差计算 | 第33-34页 |
| ·最优成分聚合的图像识别 | 第34-36页 |
| ·实验结果及分析 | 第36-38页 |
| ·数据集的描述和评价指标 | 第36页 |
| ·与 SRC 方法的性能比较 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第6章 总结展望 | 第40-42页 |
| ·研究内容总结 | 第40页 |
| ·下一步工作 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第46-47页 |
| 致谢 | 第47页 |