| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 图像检索技术及其分类 | 第10-13页 |
| 1.3 国内外研究现状及典型系统 | 第13-15页 |
| 1.3.1 文物图像检索的发展现状 | 第13页 |
| 1.3.2 基于内容图像检索的国内外典型系统 | 第13-15页 |
| 1.4 研究目的 | 第15-16页 |
| 1.5 本文的工作内容及组织结构 | 第16-18页 |
| 2 基于内容的图像检索的关键技术 | 第18-35页 |
| 2.1 基于内容的图像检索系统的特征提取 | 第18-26页 |
| 2.1.1 基于形状的特征提取 | 第19-20页 |
| 2.1.2 基于颜色的特征提取 | 第20-24页 |
| 2.1.2.1 常用颜色模型 | 第20-22页 |
| 2.1.2.2 颜色的表达方式 | 第22-23页 |
| 2.1.2.3 颜色量化 | 第23-24页 |
| 2.1.3 基于纹理的特征提取 | 第24-26页 |
| 2.2 图像的相似度计算 | 第26-29页 |
| 2.3 基于相关反馈的图像检索 | 第29-32页 |
| 2.3.1 相关反馈的图像检索概念及基本流程 | 第29-30页 |
| 2.3.2 常用的相关反馈算法 | 第30-32页 |
| 2.4 CBIR性能量化评价方法 | 第32-34页 |
| 2.4.1 检准率和检全率 | 第32-33页 |
| 2.4.2 错配法 | 第33页 |
| 2.4.3 检索率 | 第33-34页 |
| 2.4.4 检索有效性 | 第34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于LBP的特征提取算法及扩展算法LBP-HF | 第35-46页 |
| 3.1 基于LBP的特征提取算法 | 第35-39页 |
| 3.1.1 局部二值法（LBP）的提出及计算方法概述 | 第35-36页 |
| 3.1.2 LBP的拓展算法 | 第36-39页 |
| 3.1.3 对LBP特征向量进行提取的步骤 | 第39页 |
| 3.2 基于LBP-HF的特征提取算法的提出和描述 | 第39-44页 |
| 3.2.1 LBP-HF特征提取算法的提出和意义 | 第39-41页 |
| 3.2.2 LBP-HF特征提取算法的计算方法 | 第41-42页 |
| 3.2.3 LBP-HF特征提取算法的优越性 | 第42-44页 |
| 3.3 LBP-HF特征提取算法在不同数据集上的应用 | 第44-45页 |
| 3.3.1 Caltech-101数据集 | 第44页 |
| 3.3.2 Caltech-256数据集 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于内容的文物图像检索系统的特征提取及检索实验 | 第46-65页 |
| 4.1 颜色特征的提取算法 | 第46-49页 |
| 4.1.1 颜色直方图 | 第46页 |
| 4.1.2 颜色空间转换 | 第46-47页 |
| 4.1.3 颜色空间的量化 | 第47-48页 |
| 4.1.4 颜色空间下的相似度计算 | 第48-49页 |
| 4.2 纹理特征的提取算法 | 第49-55页 |
| 4.2.1 灰度共生矩阵 | 第50-53页 |
| 4.2.2 Tamura纹理特征 | 第53-54页 |
| 4.2.3 LBP-HF纹理特征 | 第54-55页 |
| 4.3 多特征融合 | 第55-57页 |
| 4.4 图像特征提取及检索实验 | 第57-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 基于内容的图像检索系统“SmartSearcher”的实现与分析 | 第65-69页 |
| 5.1 基于内容的文物图像检索系统的开发环境 | 第65页 |
| 5.2 总体结构及主要功能模块 | 第65-68页 |
| 5.2.1 基于内容的文物图像检索系统结构图 | 第65-66页 |
| 5.2.2 主要模块及系统界面展示 | 第66-68页 |
| 5.3 小结 | 第68-69页 |
| 6 结论与展望 | 第69-72页 |
| 6.1 论文总结 | 第69-70页 |
| 6.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 个人简历及在校期间发表的学术论文与研究成果 | 第76页 |
