| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 图像检索国内外研究现状分析 | 第10-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第2章 基于内容的图像检索关键技术 | 第15-28页 |
| 2.1 图像的特征提取 | 第16-26页 |
| 2.1.1 图像的颜色特征 | 第16-18页 |
| 2.1.2 图像的纹理特征 | 第18-20页 |
| 2.1.3 图像的形状特征 | 第20-22页 |
| 2.1.4 基于卷积神经网络的图像特征提取 | 第22-26页 |
| 2.2 相似性度量 | 第26-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 基于卷积神经网络和PCA降维的图像检索方法 | 第28-46页 |
| 3.1 卷积神经网络 | 第28-37页 |
| 3.1.1 AlexNet网络架构 | 第28-29页 |
| 3.1.2 VGGNet网络架构 | 第29-31页 |
| 3.1.3 GoogLeNet网络架构 | 第31-37页 |
| 3.2 基于inception-v3迁移学习的特征提取 | 第37-43页 |
| 3.2.1 训练神经的准备工作 | 第37-38页 |
| 3.2.2 构建迁移学习网络 | 第38-42页 |
| 3.2.3 设置训练参数 | 第42-43页 |
| 3.3 PCA降维 | 第43-45页 |
| 3.3.1 归一化 | 第43页 |
| 3.3.2 计算降维矩阵 | 第43-44页 |
| 3.3.3 贡献率 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 图像检索实验与结果分析 | 第46-58页 |
| 4.1 图像检索过程 | 第46页 |
| 4.2 图像库的选择 | 第46-48页 |
| 4.3 图像预处理及特征库的建立 | 第48-53页 |
| 4.3.1 图像预处理 | 第48页 |
| 4.3.2 神经网络在数据集上的训练 | 第48-50页 |
| 4.3.3 图像特征库的建立 | 第50-51页 |
| 4.3.4 图像特征相似性对比 | 第51-53页 |
| 4.4 图像检索实验结果分析 | 第53-56页 |
| 4.4.1 基于Corel数据集的实验 | 第53-54页 |
| 4.4.2 基于Caltech-256数据集的实验 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
