智能圖像檢索關鍵技術研究（精）

第1章 緒論
1.1 研究背景
1.2 核心研究問題及挑戰(zhàn)
1.3 課題研究的意義
參考文獻
第2章 智能圖像檢索關鍵技術概述
2.1 圖像特征提取與表達
2.1.1 基于文本描述的圖像特征
2.1.2 基于圖像內(nèi)容的視覺特征
2.1.3 基于圖像高層語義的特征
2.2 圖像相似度度量
2.2.1 L1距離／L2距離和Lp距離
2.2.2 直方圖相交距離
2.2.3 二次式距離
2.2.4 馬氏距離
2.2.5 非幾何的相似度方法
2.3 圖像索引技術
2.3.1 基于顏色特征的索引技術
2.3.2 基于形狀特征的索引技術
2.3.3 基于紋理特征的索引技術
2.3.4 基于對象空間關系的索引技術
2.3.5 多維圖像特征的索引技術
2.4 圖像檢索評測指標
2.5 圖像評測數(shù)據(jù)集
2.5.1 Caltech256
2.5.2 Corel-5K圖像數(shù)據(jù)庫
2.5.3 MSRA-MM2.0多媒體數(shù)據(jù)集
2.5.4 NUS-WIDE圖像數(shù)據(jù)集
2.6 本章小結
參考文獻
第3章 基于文本的圖像檢索技術
3.1 基于文本的圖像檢索簡介
3.2 圖像索引數(shù)據(jù)庫的構建
3.3 關鍵字的匹配查找
3.3.1 單關鍵字匹配算法
3.3.2 多關鍵字匹配算法
3.4 基于文本的圖像檢索的問題與挑戰(zhàn)
3.5 本章小結
參考文獻
第4章 基于內(nèi)容的圖像檢索技術
4.1 一種保持視覺和語義相似性的非負矩陣分解及其在圖像檢索中的應用
4.1.1 NMF算法回顧
4.1.2 VSNMF算法
4.1.3 實驗測試
4.1.4 實驗結論
4.2 自適應多視圖學習算法及其在基于內(nèi)容的圖像檢索中的應用
4.2.1 相關工作
4.2.2 自適應多視角學習算法
4.2.3 實驗分析
4.2.4 實驗結論
4.3 基于多特征選擇的圖像檢索算法
4.3.1 多輪廓特征提取
4.3.2 多輪廓特征選擇
4.3.3 實驗測試
4.4 本章小結
參考文獻
第5章 基于語義的圖像檢索技術
5.1 圖像內(nèi)容層次結構
5.2 語義鴻溝問題
5.3 圖像語義提取方法
5.3.1 利用系統(tǒng)知識的語義提取
5.3.2 基于系統(tǒng)交互的語義生成
5.3.3 基于外部信息的語義提取
5.4 圖像自動語義標注方法
5.4.1 圖像自動語義標注方法
5.4.2 基于稀疏典型性相關分析的圖像標注方法
5.5 本章小結
參考文獻
第6章 面向特定平臺的圖像檢索技術
6.1 面向微機與服務器的圖像檢索技術
6.2 面向Intemet的圖像檢索技術
6.3 面向智能移動終端的圖像檢索技術
6.4 面向分布式計算和存儲平臺的圖像檢索技術
6.5 本章小結
參考文獻
第7章 針對特定應用的圖像檢索技術
7.1 針對特定自然圖像的圖像檢索技術
7.2 針對情感語義圖像的圖像檢索技術
7.2.1 圖像情感信息（Ixnage emotion information）
7.2.2 圖像情感標注（Image emotion labeling）
7.2.3 基于情感語義的圖像檢索系統(tǒng)的研究
7.3 本章小結
參考文獻
第8章 智能圖像檢索技術研究展望
附錄A 圖像相關開源工具包資源
A1 開源圖像處理工具包
A1.1 OpenCV
A1.2 EmguCV
A1.3 Image ProcessingToolbox
A1.4 VLFeat
A2 開源圖像檢索引擎
A2.1 GRire
A2.2 Caliph&Emir
A2.3 Apache Lucene
A2.4 Nutch
A2.5 Egothor
A2.6 BDDBot
A2.7 Zilverline
A2.8 Constellio
A2.9 起點R3企業(yè)級搜索引擎
A2.10 Kaaa分布式Lucene
附錄B 部分重要算法偽／源碼
B1 Boyer-Moore（BM）關鍵字匹配算法
B2 Wu-Manber多關鍵字匹配算法
B3 顏色空間轉換函數(shù)
B4 PCA主成分分析代碼
B5 AMVL自適應多視角學習算法代碼
B6 Sparse CCA稀疏典型性相關分析
作者簡介