摘要
第一章 绪论
1.1 研究背景
1.2 特征提取与衡量研究现状
1.2.1 颜色
1.2.2 纹理
1.2.3 形状
1.2.4 区域
1.2.5 相似度衡量
1.3 论文的主要贡献
1.4 论文的内容安排
第二章 结合脉冲耦合神经网络与分布熵的图像检索
2.1 Unit-linking PCNN模型
2.1.1 PCNN的原理
3.1.2 Unit-linking PCNN模型的特点
2.2 分布熵和向量梯度
2.2.1 分布熵
2.2.3 向量梯度
2.3 算法流程
2.3.1 特征提取
2.3.2 相似度衡量
2.4 实验结果
2.4.1 Brodatz数据库实验
2.4.2 Corel数据库实验
2.5 本章小结
第三章 一种新的颜色相似度衡量方法
3.1 四元数颜色特征提取
3.2 加权主色优先距离 (Weighted Main Colors First,WMCF)
3.3 实验结果与分析
3.3.1 相似度衡量方法的比较
3.3.2 结合颜色与纹理的检索方法的比较
3.4 本章小结
第四章 基于自适应图的图像检索方法
4.1 基于区域的图像检索和相关反馈
4.1.1 基于区域的图像检索(Region-base image retrieval,RBIR)
4.1.2 相关反馈(Relevance Feedback,RF)
4.2 区域特征提取与联合特征匹配
4.2.1 区域特征提取
4.2.2 联合特征匹配(Unified Feature Matching,UFM)
4.3 自适应近邻图
4.3.1 传递学习方法
4.3.2 自适应近邻图
4.4 算法流程
4.4.1 算法整体框图
4.4.2 短期相关反馈
4.4.3 长期相关反馈
4.4.4 库外图像扩展
4.5 实验结果与分析
4.5.1 无相关反馈的检索效果
4.5.2 短期相关反馈的检索效果
4.5.3 长期相关反馈的检索效果
4.5.4 库外图像的扩展
4.6 本章小结
第五章 总结与展望
参考文献
攻读硕士期间发表及审稿中论文
致谢
声明