第1章 緒論
1.1 圖像檢索技術發展曆程
1.1.1 基於文本的圖像檢索
1.1.2 基於內容的圖像檢索技術
1.2 基於內容圖像檢索技術研究內容
1.2.1 特徵提取及匹配
1.2.2 索引機製
1.2.3 用戶接口
1.3 國內外研究狀況
1.3.1 國內外研究現狀
1.3.2 國內外研究熱點
1.4 CBIR技術應用
1.5 經典CBIR係統介紹
1.5.1 QBIC：
1.5.2 Virage
1.5.3 Photobook
1.5.4 VisualSEEK和WebSEEK
1.5.5 Blobworld
1.5.6 Netra
1.5.7 MARS
1.5.8 SIMPLIcity
1.5.9 其他係統
1.6 本書內容安排
參考文獻
第2章 基於內容圖像檢索關鍵技術
2.1 CBIR的基本檢索原理
2.2 圖像內容及檢索層次
2.2.1 圖像內容
2.2.2 圖像檢索層次
2.3 常用的低層視覺特徵描述方法
2.3.1 顔色特徵
2.3.2 紋理特徵
2.3.3 形狀特徵
2.3.4 MPEG－7中的圖像特徵描述符
2.4 特徵匹配技術
2.4.1 計量定理
2.4.2 常用的匹配算法
2.4.3 精確查詢與近似查詢
2.5 性能評價準則
2.5.1 精確度和檢索率
2.5.2 命中準確率
2.5.3 排序值評測法
2.5.4 ANMRR
2.5.5 前N個結果的正確率與檢索率
參考文獻
第3章 基於顔色特徵的圖像檢索
3.1 引言
3.2 顔色空間
3.2.1 顔色基礎
3.2.2 RGB顔色空間
3.2.3 HSV顔色空間
3.2.4 CIELab和CIELuv顔色空間
3.2.5 YCrCb顔色空間
3.3 顔色量化
3.3.1 顔色量化的定義
3.3.2 常用的顔色量化方法
3.4 全局顔色特徵
3.4.1 顔色直方圖
3.4.2 改進的顔色直方圖方法
3.4.3 顔色不變量
3.4.4 圖像主色
3.4.5 色調直方圖
3.4.6 顔色矢量角直方圖
3.4.7 顔色矩
3.4.8 顔色熵
3.4.9 改進的顔色熵及顔色矩
3.5 空間顔色特徵
3.5.1 改進的顔色直方圖法
3.5.2 顔色聚閤嚮量
3.5.3 顔色相關圖
3.5.4 局部顔色特徵
3.6 顔色空間分布熵
3.6.1 環形顔色直方圖
3.6.2 改進的環形顔色直方圖
3.6.3 空間分布熵
3.6.4 加權顔色空間分布熵
3.6.5 消除孤立分布小顔色塊的影響
3.7 位平麵熵
3.7.1 位平麵分解與位平麵
3.7.2 位平麵熵
3.8 位平麵熵增強法
3.8.1 改進的位平麵熵
3.8.2 空間分布熵
3.9 基於顯著點的圖像檢索
3.9.1 塊逆概率差(BDIP)模型及BDIP圖像的提取
3.9.2 顯著點提取算法
3.9.3 基於顯著點的特徵提取
參考文獻
第4章 基於形狀特徵的圖像檢索
4.1 形狀錶達和描述
4.2 基於輪廓的描述方法
4.2.1 鏈碼
4.2.2 傅裏葉形狀描述符
4.2.3 麯率尺度空間描述符
4.2.4 小波描述符
4.3 基於區域的描述方法
4.3.1 幾何不變矩
4.3.2 Zemike矩
4.3.3 ART(AngularRadialTransformation)
4.3.4 通用傅裏葉描述符
4.4 簡單幾何參數描述符
4.4.1 基於輪廓的方法
4.4.2 基於區域的方法
4.5 基於狀態矩陣描述方法
4.5.1 狀態矩陣定義
4.5.2 基於馬爾可夫鏈形狀特徵提取
4.5.3 基於狀態相關圖的特徵提取方法
4.6 基於平坦度及凹凸度的描述方法
4.6.1 平坦度及凹凸度定義
4.6.2 形狀特徵量化
4.7 基於信息熵的描述方法
4.7.1 圖像信息熵定義
4.7.2 圖像的單元熵
4.7.3 利用熵矩陣的特徵值嚮量進行檢索
4.7.4 利用熵矩陣的不變矩進行檢索
4.7.5 算法特性
4.8 基於方嚮鏈碼的描述方法
4.8.1 基於鏈碼的形狀檢索
4.8.2 鏈碼分布矢量(CCDV)
4.8.3 鏈碼相關矢量(CCCV)
4.8.4 鏈碼空間分布熵(CCSDE)
4.8.5 鏈碼相關熵(CCRE)
4.8.6 綜閤特徵描述
4.9 基於角點的描述方法
4.9.1 輪廓角點提取
4.9.2 基於內角的輪廓角點檢測
4.9.3 基於鏈碼局部直方圖的角點檢測
4.9.4 基於CSS的角點檢測
4.9.5 改進的多尺度角點檢測方法
4.9.6 角點檢測算法比較
4.9.7 距離直方圖
4.9.8 相對位置分布
4.9.9 相關單元熵
4.10 基於矩的輪廓描述方法
4.10.1 輪廓矩
4.10.2 Chen不變矩
4.10.3 邊界序列矩
4.10.4 極半徑不變矩
4.10.5 組閤矩
參考文獻
第5章 基於紋理特徵的圖像檢索
5.1 圖像的紋理描述
5.1.1 紋理及紋理特徵的定義
5.1.2 常用的紋理分析方法
5.1.3 紋理的分類
5.1.4 紋理研究及應用領域
5.1.5 紋理描述存在的問題
5.2 統計法紋理分析
5.2.1 直方圖的矩
5.2.2 二維灰度直方圖
5.2.3 灰度共生矩陣
5.2.4 灰度.梯度共生矩陣
5.2.5 紋理譜
5.2.6 LBP算法
5.2.7 Laws紋理能量
5.2.8 數學形態學分析法
5.2.9 自相關函數法
5.2.10 Tamura紋理特徵
5.2.11 灰度遊程長度法
5.3 結構法紋理分析
5.3.1 結構法基本知識
5.3.2 紋理鑲嵌
5.3.3 Voronoi多邊形方法
5.3.4 其他方法
5.4 頻譜法紋理分析
5.4.1 傅裏葉變換法
5.4.2 貝塞爾.傅裏葉變換法
5.4.3 小波變換法
5.4.4 Gabor變換法
5.5 模型法紋理分析
5.5.1 馬爾可夫隨機場模型法
5.5.2 Gibbs隨機場模型法
5.5.3 自迴歸模型
5.5.4 多尺度自迴歸模型
5.5.5 基於分形模型
5.5.6 Wold模型法
5.6 紋理基元共生矩陣
5.6.1 方塊編碼算法
5.6.2 紋理基元的提取
5.6.3 紋理基元共生矩陣
參考文獻
第6章 基於壓縮域的圖像檢索
6.1 概述
6.1.1 圖像壓縮技術
6.1.2 靜態圖像壓縮標準
6.1.3 壓縮域圖像檢索原理
6.1.4 壓縮域圖像檢索的研究內容
6.1.5 壓縮域圖像檢索的研究方法
6.2 空間壓縮域
6.2.1 基於矢量量化
6.2.2 分形編碼
6.2.3 預測編碼
6.3 變換壓縮域
6.3.1 基於DFT變換域
6.3.2 基於DCT壓縮域
6.3.3 基於小波壓縮域
6.3.4 基於K.L變換域
6.4 空間域和變換域的融閤檢索
6.5 DCT壓縮域內的紋理特徵
6.5.1 復雜度的定義
6.5.2 復雜度直方圖
6.6 DCT壓縮域內的形狀特徵
6.6.1 理想邊緣模型DCT。塊的分類
6.6.2 空間邊緣分布特徵的提取
參考文獻
第7章 高維索引技術
7.1 高維索引技術
7.2 高維索引技術發展趨勢
7.2.1 嚮量近似方法
7.2.2 近似檢索方法
7.2.3 並行索引方法
7.3 嚮量空間中的高維特性
7.4 維數災難現象
7.4.1 查詢代價模型
7.4.2 維數災難現象的産生
7.5 基於矢量量化的嚮量近似方法
7.5.1 矢量量化
7.5.2 基於矢量量化技術的索引結構(CuiJ.T.etal2007，崔江濤2005)
7.5.3 碼書長度分析與乘積碼書法
7.5.4.近鄰搜索算法
7.5.5 實驗分析
7.6 二次式距離上基於SVD的高維索引方法
7.6.1 奇異值分解
7.6.2 索引結構
7.6.3 近鄰搜索算法
7.7 多分辨率高維索引方法
7.7.1 基本原理
7.7.2 索引結構
7.7.3 近鄰搜索算法
7.8 嚮量近似方法在相關反饋技術中的應用
7.8.1 二次式距離方法
7.8.2 核函數方法
7.8.3 改進的近鄰搜索算法
7.9 高維索引技術評價準則
參考文獻
附錄A 基於輪廓的圖像檢索係統
A.1 係統框架
A.2 圖像數據管理
A.3 係統實現
附錄B 係統中本文算法實現代碼
B.1 基於MCP的角點檢測算法
B.2 組閤矩算法
· · · · · · (
收起)
