一、基于内容图象检索中关键技术的研究（论文文献综述）
李静[1]（2020）在《基于语义和兴趣的图像/视频检索与认证技术研究》文中研究说明随着互联网、社交媒体以及移动多媒体终端的迅猛发展,文本、图像、音频、视频等多媒体数据越来越深入地融入到人们的生活、工作、学习中。特别是,随着多媒体应用的日益增多,以图像和视频为主体的多媒体数据的生成、获取、处理和传播变得越来越普及,人们获取信息的载体从传统的文本形式,扩展到了现在以图像和视频为主的多样化的多媒体形式。在当今的信息社会中,图像和视频已经成为了最主要的信息载体,图像和视频检索也逐渐成为人们获取信息的主流途径之一。自从上世纪七十年代图像检索兴起以来,图像和视频检索就一直是信息检索理论研究和实际应用领域中的热点。近年来,随着多媒体技术和各类多媒体应用的蓬勃发展,用户对检索在性能和体验方面的需求不断提升,精准、高效、安全和个性化的检索已经逐渐成为用户的刚性需求。对于一个检索系统来说,从用户确定检索目的、形成查询输入搜索引擎,到检索系统根据查询进行数据的比对匹配,最后检索系统再将数据反馈给用户,构成一个完整、闭合的过程。在整个检索过程中,每一个环节的信息损失和失配都会对检索性能造成影响;因此,本文从目前制约检索性能提升的关键因素出发,针对搜索引擎与数据之间的“语义鸿沟”、用户与查询之间的“意图鸿沟”和数据（或搜索引擎）与用户之间的“信任鸿沟”等三个影响检索性能的关键问题,探讨了解决思路并分别提出了解决方法。从“语义鸿沟”到“意图鸿沟”再到“信任鸿沟”的研究,是满足用户不断提升的检索需求的需要。“语义鸿沟”是指图像和视频的视觉特征与用户对图像和视频理解的语义之间的距离,弥补“语义鸿沟”的目的是能够精准和高效地检索到在主题上与查询匹配的结果。随着用户对检索结果的个性化需求越来越高,对于检索的评价开始从“主题”扩展到“意图”维度上;也就是说,用户希望检索到能够符合其内在搜索意图或者个人兴趣的结果。弥补用户内在的搜索意图与其提交给检索系统的查询之间存在的“意图鸿沟”,就成为了进一步提升检索质量的关键。同时,随着图像和视频的编辑技术越来越普及,图像和视频的伪造和篡改现象越来越严重,致使检索结果的可信性问题逐渐凸显出来。人们对检索结果的信任度与媒体数据自身的可信度之间的差距,即“信任鸿沟”,成为了图像和视频检索领域不得不解决的问题;对检索结果进行可信性认证十分必要。本文针对图像和视频检索中存在的“语义鸿沟”、“意图鸿沟”以及“信任鸿沟”等三个关键问题展开研究,创新性成果主要包括:1、针对“语义鸿沟”问题,以对视频特征的语义表达能力和区分能力要求更高的视频拷贝检测为关注点,提出了一种基于3D CNN的视频拷贝检测方法。该方法采用三维卷积神经网络3D CNN同时捕捉视频空域和时域两个方面的特征,并在降低3D CNN训练过程复杂度和解决数据资源不足两个方面进行了研究。为了降低网络的构建难度和计算复杂度,降低对硬件配置的要求,提出了一种3D CNN组成的并行体系结构,将多分类任务分解为多个二分类任务的组合。由于该并行体系结构中的每个3D CNN仅用作一个二分类器,使得对CNN的训练难度和数据量的要求大大降低。此外,并行3D CNN的网络结构具有对未知类别数据进行分类的能力,并且可以随着新类别的加入而扩展。为了解决数据资源不足的问题,采用等间隔采样的分段方法对视频数据进行了增强处理,保证每个视频段均能最大化呈现视频内容;在测试阶段,只需输入少数视频段就能达到较高的识别率,大大节省了识别时间,为视频分类的实时处理提供了参考。实验表明,该方法在拷贝检测中得到了很好的效果,所提取的视频特征具有很强的语义表达能力。2、针对“意图鸿沟”问题,以对用户意图和兴趣具有高度依赖的电影推荐系统为参考,提出了一种基于电影推荐的用户兴趣计算方法。该方法根据IMDB以图文并茂的形式进行电影介绍的特点,结合面向图文检索的跨媒体学习方法,构建能够同时体现电影图文信息的特征向量;在进行用户兴趣计算的过程中,在用户评分矩阵的基础上,引入时间因子,在综合用户长期兴趣与短期兴趣对兴趣计算影响的基础上,进行用户兴趣的初始化;然后,将电影的特征向量与初始化用户的兴趣向量进行迭代,获得优化后的用户兴趣;最终,根据计算得到的用户兴趣,通过基于用户的协同过滤的评分预测机制进行电影推荐,采用对电影推荐的评价实现对用户兴趣计算性能的评价。通过在Movielens数据集上的电影推荐进行验证表明,该方法在预测用户兴趣的准确性和收敛性上都有明显的提高,有望在缓解图像和视频检索中的“意图鸿沟”问题方面得到应用。3、针对“信任鸿沟”问题,采用主动认证的方式对图像/视频进行内容完整性和真实性认证,提出了一种保证图像质量的认证水印方法。该方法基于人类视觉系统在视觉感知过程中对不同方向的感知灵敏度差异,利用三个低频系数提取包括图像中水平、垂直和对角线信息的复杂方向特征图。同时,利用每个图像DCT块的直流系数和三个低频交流系数分别生成亮度和纹理特征图,将上述三个特征图进行融合,得到最终的视觉显着图。根据该视觉显着图对JND模型进行优化,将优化后的JDN模型应用于调控认证水印的视觉质量。实验结果表明,提出的水印方案在认证方面有较好的性能。
艾木拉姑丽·卡得尔[2]（2015）在《二进小波在图像检索中的应用研究》文中指出基于内容的图象检索（CBIR,Contend based image retrival）是当前计算机视觉领域中的研究探索的热门课题,它是科学技术前进成长和推广应用的重要成果,在图象数据库日益增长,图象种类多样和数目急剧膨胀的情况下,因其符合用户快速、精确地搜寻所需图象的需求而日益受到人们的重视。该技术把图象的内容特征利用图象本身固有的形状,颜色,纹理等低层视觉特点来提取,再根据图象的特征来度量图象间的相似性,从而完成图象检索。显然,精确提取有用的图象底层视觉特征是CBIR中极其重要的。近些年来,即使基于单一特征的图象检索技术已经有了某些研究成果,然而单一特征不能完全地表示图象内容,因而联合两种或多种特征来提高检索精度成为一种较为可行的方式。但是如何有效地联合多种不一样的特征,以便相互互补地完全的表示图象内容,并检索出合适人眼视觉感知的图象,是一个值得进一步钻研的热点问题。本文根据视觉主要的图象底层特征,针对如何有效地提取图象特征进行了钻研,并应用小波变换的多尺度特性,实现了特征提取算法的改善。二进小波是一种连续小波和离散小波之间的自己带有很强方向性的小波函数,有平移不变性,可以有用来制止非线性变换引发的视觉形变,具备了抗噪的能力,使得它在图象的特征提取方面得到了普遍的应用。本文首先提取形状,纹理,颜色特征进行单个特征的图象检索。颜色特征中先用形态学原理检测图象彩色边缘,然后对彩色边缘进行提取颜色特征。纹理特征中选择性质能力优好的二进小波滤波器,再经由过程二进小波变换与局部二值模式提取图象纹理特征。形状特征中先用二进小波模极大值边缘检测法提取边缘然后用不变矩表示形状特征。最后对形状,纹理,颜色进行有效地结合,进行多特征的图象检索,并在公认的标准图象库中在MATLAB环境内进行仿真试验。试验结果表明,所提取的特征向量自然地包含了多种底层信息,从而周全互补地反映了图象内容,并与当今同类算法进行对比可知,该算法不但具备更好的查准率和查全率,并对图象中存在的光照转变和几何转变具备了很强的结合。
王振海[3]（2004）在《基于NMI和熵特征的二值商标图象检索方法研究》文中研究指明随着多媒体时代的到来，使得人们越来越多的接触到大量的图象信息。如何提供一个有效的途径来快速、准确的查询这些具有丰富内涵的图象信息便成为当今检索领域的研究热点。基于内容的图象检索（Content Based Image Retrieval，CBIR）技术就是解决这一问题的关键技术之一。 本文简要介绍了基于内容的图象检索，并对图象检索的发展进行了概述，对基于内容的图象检索的主要研究技术进行了详细和全面的论述。特征级内容的提取是CBIR技术的基础。因此，本文对基于视觉特征的图象检索技术进行了研究。 基于二值图象的NMI不变特征（归一化转动惯量）提出了一种全新的基于内容的图象检索的方法，其特点是计算简单，精确度高，具有抗几何畸变性，对滤波、平滑、压缩等图象操作有一定的鲁棒性。试验结果表明，该方法具有一定实用价值，可用于二值商标图象检索。 商标是商品的一个重要标识，代表了商品的质量与生产厂家的信誉，在市场经济中起着重要的作用。结合商标图象的特点，本文给出了一种商标图象的NMI不变特性与信息熵特征相结合的分级检索算法。本文还对上述提到的检索算法结合商标图象库进行了验证实验，实验证明，该检索算法具有很好的检索效果。 相关反馈是当前基于图象内容的检索研究中的一个焦点，它是通过图象检索中的人机交互实现的，首先接收用户对当前检索结果的反馈，然后根据反馈信息自动调整查询，最后利用优化后查询重新计算检索结果。本文对相关反馈的背景、分类作为简要介绍，详细介绍了反馈技术的两个关键步骤，即归一化和权值调整。最后结合商标图象库给出了基于NMI和信息熵的相关反馈算法，实验结果表明，可进一步提高检索精度。
张天红[4]（2004）在《基于内容的图象检索研究》文中研究指明随着多媒体技术及Internet技术的迅速发展，各行各业对图象的使用越来越广泛，图象信息资源的管理和检索显得越来越重要，其中基于内容的图象检索（CBIR,Content-based Image Retrieval）已经成为近几年来最活跃的研究领域之一。 基于内容的图象检索技术是指利用图象内容对图象进行查询。图象的内容包括图象的颜色特征、形状特征、纹理特征、语义特征等。本论文主要针对如何描述图象内容，准确、自动地提取特征，以及精确地对图象内容进行相似性度量。本文的主要工作和成果包括： 研究了目前国内外CBIR技术的现状、发展趋势及其应用状况，对基于内容的图象检索系统进行了分析，深入研究了图象检索中的关键技术，包括各种索引技术、相似性度量及其性能评价技术。 提出了一种改进的基于区域的形状索引的图象检索方法。首先基于主要颜色把图象分割成区域，然后把分割后得到的区域用作形状检索的输入。这样就可以把主要颜色区域和形状特征结合起来作为特征进行基于内容的图象检索，而且对平移、旋转和尺度大小具有不变性。试验证明这种方法比改进前的查准率和查全率要高。 提出了一种适合本文的形状特征的相似性度量方法。大量的试验证明了该方法的有效性。 根据上述的检索方法，本文设计了一个简单的图象检索系统。该系统具有可视性好，检索直观、方便的优点，可支持浏览查询和示例查询。
胡恩良[5]（2003）在《一种基于区域弦分布的图象检索方法》文中进行了进一步梳理图象是视觉信息的表现形式和存储载体。随着多媒体、计算机、通信技术及Internet的快速发展，图象的来源越来越来广泛，图象数据库成为组织、表达、存储、查询和利用这些海量图象数据的主要手段。图象数据库研究的一个核心问题是图象检索，其中，基于内容的图象检索技术（CBIR）是当前国内外研究的热点之一。 本文提出了一种基于区域弦分布的图象特征描述，并在此基础上进行了图象检索算法研究。论文的主要工作由图象特征描述和图象检索算法两部分组成。在图象特征描述部分，我们给出了区域弦的定义和区域弦分布的表示，分析了弦分布的性质，并在此基础上进行了图象特征描述。在图象检索算法部分，本文首先作了图象区域划分、区域弦分布的计算；其次对区域作了前景、背景分析并给出了图象间的相似性度量。最后，通过实验和和对实验结果的分析，证明本文研究所提出的方法是有效的。 本文研究成果对基于颜色的图象内容检索具有启发指导作用和实际应用价值。
张明[6]（2003）在《基于内容的图象相似性度量技术研究及其在水利中的应用》文中研究指明随着图象数据的大量涌现，基于内容的图象检索技术已成为研究热点，其目的是为了对大容量图象库提供有效的检索手段。本文将信息论和模糊集理论运用于基于内容图象检索方法的研究，重点研究了基于信息熵的图象检索技术、图象相似性度量方法、模糊检索和动态相关反馈机制。以防汛决策信息查询为背景，探讨了基于内容工情图象检索系统的设计与实现中的关键技术。本文的主要研究工作如下：1．从人类色彩感知的角度出发，研究了用于图象检索的色彩空间，特征提取和相似性度量等问题，将HSL色彩空间进行了划分，对每两种色彩之间的相似度进行了重新定义，便其更好地符合人对图象色彩的辨别能力。并将色彩直方图进行了扩充，解决了两幅图象所含色彩数目不同时如何进行匹配的问题。2．将信息论中的信息熵概念引入图象检索，定义了图象墒空间、熵差的概念，研究了图象熵的性质，探讨了基于图象熵的相似性度量方法和实现算法，该方法可将n维直方图空间变为1维，提高了图象检索的效率，改善了图象检索系统的性能。3．提出了基于信息熵的多精度相似匹配和多维散列索引技术。多精度色彩匹配将图象划分成了许多子图块，每一子图都具有其相应的色彩直方图与图象墒，作为细粒度匹配的基础。同时证明了在熵空间采用多精度分级检索的正确性，并能更好地支持子图象的查询。4．研究了模糊检索方法和相关反馈机制在图象检索中的应用，提出了一种模糊图象数据模型和模糊空间的概念，该模型将可视特征、空间特征、语义特征看作超属性，既充分利用了传统关系数据库的优点，同时又考虑了图象数据以及模糊查询的特点，文中提出的模糊空间和模糊相似性度量方法能支持基于模糊特征的图象查询，较好地体现用户图象查询的应用需求，文中定义的语义模板和相关反馈机制能在一定程度上表达用户的查询语义，提高图象检索的准确率和易用性。5．研究了图象检索技术在水利行业中的应用，提出了关系—层次—面向对象的混合数据模型，并扩展数据模型以满足多媒体数据与空间数据的特殊情况，摘要研究了系统实现的具体技术方案，设计并实现了一个用于工情图象检索模型系统。
韩军伟[7]（2003）在《基于内容的图象检索技术研究》文中提出计算机技术、多媒体技术以及Internet技术的长足发展导致大量图象的出现，如何有效地、快速地从大规模的图象数据库中检索出需要的图象是目前一个相当重要而又富有挑战性的研究课题。基于内容的图象检索技术的研究正是为了解决利用自动获取的图象特征，从图象数据库中检索出相关图象的问题。近年来，此项技术的研究非常活跃，在许多领域都有应用。 本论文围绕基于内容图象检索中的一些关键技术，包括提取图象低层特征、图象间相似度的度量及相关反馈等技术，进行了一些探索性的研究，研究的内容属于目前图象处理和信息检索领域的研究重点，具有相当的理论意义和实际应用价值。 本文的主要贡献总结如下： 1． 深入分析和研究了基于内容图象检索领域的一些关键技术，如：相关反馈、颜色、形状、纹理等低层图象特征的描述以及图象间的相似性度量准则等。并且，通过在同一测试环境下的实验，对一些经典的方法进行了比较； 2． 提出了一个基于显着边缘的图象检索方法。它利用独立边界自增强算法来连结边缘和增强显着边缘，依靠增强后的结果，就能够较容易地提取图象中的显着边缘，使用显着边缘的特征代表图象的形状特征。然后，采用一种“多对多”的匹配策略来度量图象间的相似性，而这种策略允许图象中的一条显着边缘与另一幅图象中的多条显着边缘进行匹配，图象间的相似性由所有的有效匹配共同决定，它对边缘提取不准确具有一定的鲁棒性； 3． 提出了一个基于显着兴趣点的图象检索算法。此算法首先使用自适应滤波器对图象进行平滑，然后使用经典的兴趣点检测算法发现兴趣点。由于自适应滤波器具有平滑细节，增强显着边缘的功能，因此，这种方法能够保证兴趣点大都存在于图象的显着边缘上。接下来利用兴趣点周围区域的颜色特征来代表图象的特征，这样，兴趣点的形状特征就和其周围区域的颜色特征有机的结合起来，图象间相似度的计算就基于这种特征。实验证明，这个算法简单、有效； 4． 提出了一个基于图象中用户感兴趣物体的图象检索算法。这个算法的一个突出特点是：十分符合用户在检索时的主观思路。它首先对图象进行分析，提取出其中用户感兴趣的物体，再利用感兴趣物体的颜色和纹理特征来表征图象的特征，进行图象匹配和相似性度量计算。在这个算法中，核心技术——感兴趣物体的自动提取，结合视觉感兴趣模型和图象分割中的区域增长技术来实现。大量的实验结果表明，此检索方法相当有效。而且，图象中感兴趣物体的自动提取技术还可以应用到其它领域，如基于内容的图象压缩，目标识别等； 5． 提出了一个基于Variogram函数的纹理图象分析和检索方法。此方法将两种不同类型的纹理——规则纹理和不规则纹理的分析和检索统一到一个框架摘要下。在检索之前，利用物riogram函数，根据图象的特征，自动预测查询图象的纹理类型，然后，对于不同类型的纹理，采用不同的策略去分析。对于规则纹理，使用较大的尺度提取其周期性和方向性;对于不规则纹理，则使用较小的尺度以观察其随机性。根据提取的纹理特征，计算纹理谱和自带纹理表，最终形成特征矢量，来进行相似度度量和图象检索。实验证明，此方法相当适合于实际的图象检索系统;6.提出一个记忆学习的图象检索模型。此模型将长期学习与短期学习结合起来 以提高检索效率:首先，通过搜集用户相关反馈的信息组成一个图象语义连 结网络，此网络能够纪录图象间符合用户主观的语义层相似度;其次，根据 语义连结网络，进行图象在语义层的分类，进而估计图象之间潜在的语义相 似度;最后，图象间的相似度由三个因素来决定，视觉特征、语义连结网络 和潜在语义。在此模型中，长期学习是指从记忆的大量用户日志中学习语义 信息的过程，而短期学习是指常规的相关反馈过程。长期学习与短期学习的 关系是:长期学习依靠短期学习的积累，而短期学习需要长期学习来指导。 大量的实验证明，此图象检索模型的检索准确率相当高，且能够满足用户的 多种查询请求。
乃学尚[8]（2002）在《基于内容图象检索中关键技术的研究》文中认为本文主要用整数小波变换研究基于内容的图象检索技术，该算法的优点在于：整数小波变换的输入输出都是整数，适合数字图象处理；使用小波变换可以用多分辨率分析提取图象特征，可以降低特征量的维数。 本文首先介绍了小波变换的基本知识，上升型方案和整数小波变换。其次用整数小波变换对彩色图象进行多分辨率分析；由于小波变换的低频部分保持了图象的概貌，因此用小波变换低频部分的局部区域能量和F-范数作为彩色图象的特征向量，对图象进行检索，可以降低特征量的维数，提高检索速度。此外，由于纹理图象的主要特征表现在细节部分，而高频部分的小波系数体现了图象的细节，所以从这些小波系数中提取的特征，能够表征纹理图象的主要特性；实验结果表明，用该方法检索纹理图象，能够达到较好的检索效果，并且对亮度不敏感，这一特点是传统的纹理分析方法难以达到的。 图象匹配算法中使用了比值相似度定义，这种相似度计算简单，易于实现，而且能够获得较好的检索结果。 还实现了基于颜色矩的彩色图象检索算法，基于区域不变矩的二值目标检索算法，提出了一种CBIR系统模型，介绍了常用的CBIR系统评价标准。最后概述了CBIR有待于继续研究的相关领域。
麻海峰[9]（2010）在《基于内容图像检索的研究》文中研究指明随着多媒体、通讯和Internet技术的长足发展,图像作为一种视觉信息得到了越来越广泛的应用。面对呈几何级数增长的图像,如何从大规模的图像库中有效和快速地检索图像已成为一个极具挑战性的研究课题。传统的图像检索技术是基于文本的,以关键字对图像进行人工注释,然而对于海量的图像信息,以人工来对图像作关键字的注释显然是不可行的。在此情况下,基于内容的图像检索技术就应运而生了,它是以根据图像的实体（或区域）特征,如颜色、纹理、形状和空间位置来作为图像的内容特征的描述,并利用图像的多维特征来进行图像的检索。它是一个新的研究方向,克服了传统的基于文本的图像检索的缺点,具有很大的发展空间。本论文的主要工作是:首先围绕基于图像检索的一些关键技术,例如图像底层特征提取、图像距离的计算、图像相似度的度量、图像查询、索引技术和一些相关的反馈技术,进行了探索性的研究,从颜色和纹理方面对一些流行的技术和算法作了一个详细介绍。其次利用上面的知识和技术,用C++语言编写代码,构建了一个基于内容的图像检索系统,来验证颜色和纹理作为图像的内容特征在图像检索方面的作用。最后选取一个典型的实验测试图像数据集合,利用3个实验方案,通过实验结果的分析来比较单一以颜色、纹理和以综合颜色和纹理作为图像的内容特征在基于内容图像检索的实用效果,并比较了它们的检索性能。
贺祥[10]（2009）在《基于AVS的视频检索系统研究与实现》文中研究说明随着计算机和通信技术、宽带网络技术、音视频压缩技术以及计算机硬件技术的发展,视频数据的存储和传输不再是一件困难的事情。数字视频也越来越广泛地融入于人们的生活空间中。然而如何有效地对这些视频数据进行组织、表达、存储和管理,以及如何对其进行快速检索与浏览等已成为视频领域内急待解决的重大课题。由于视频数据自身内容的丰富性和多样性、结构的复杂性以及具有时空多维结构性,传统的数据管理与检索方案不能够很好地从巨大的视频数据源中找到所需要的信息,于是基于内容的视频检索系统（CBVR）便应运而生。AVS （Audio Video coding Standard）标准是《信息技术先进音视频编码》系列标准的简称,AVS标准包括系统、视频、音频、数字版权管理等四个主要技术标准和一致性测试等支撑标准。AVS是我国具备自主知识产权的第二代信源编码标准。它是其后数字信息传输、存储、播放等环节的前提,因此是数字音视频产业的共性基础标准。2006年AVS视频部分（AVS-P2）正式成为国家标准后,涌现了大量的优秀技术提案,并成功地制定了面向高清晰度数字电视广播、流媒体传输、移动多媒体通信等应用的视频编码标准,此外在系统规范、音频编码、数字版权保护等各方面也已取得一定的成果,已经初步形成具有自主专利知识产权的标准体系。本文以AVS视频为研究对象,基于内容的视频检索为出发点,提出了一种基于内容的AVS视频检索模型。由于在目前的图象视频数据库中,基本上以彩色图片为主,所以在基于AVS内容的视频检索技术中,使用颜色特征作为视频关键帧提取的依据。并以该模型为基础,研究了关键帧提取技术和视频检索技术。论文的主要工作如下:关键帧的使用大大减少了视频索引的数据量同时一也为视频检索和浏览提供了一个组织框架。依据视频连续帧之间具有相似性这一特点,本文提出了一种基于图像相似度的关键帧提取算法,依据这种算法选取的关键帧更具有代表性,且提取的关键帧个数能够得到有效控制,降低了关键帧的冗余度。本文提出了一种全局特征与局部特征相结合的视频检索算法,依据此算法可以提高检索过程中的查准率。
二、基于内容图象检索中关键技术的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于内容图象检索中关键技术的研究（论文提纲范文）
（1）基于语义和兴趣的图像/视频检索与认证技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 图像和视频检索面临的挑战 |
| 1.2.1 语义鸿沟 |
| 1.2.2 意图鸿沟 |
| 1.2.3 信任鸿沟 |
| 1.3 研究内容和贡献 |
| 1.4 论文的组织结构 |
| 第二章 图像和视频检索中的关键问题 |
| 2.1 概述 |
| 2.2 语义鸿沟的弥补 |
| 2.2.1 基于单模态媒体的方法 |
| 2.2.2 基于多模态媒体的方法 |
| 2.3 意图鸿沟的弥补 |
| 2.3.1 基于相关反馈的方法 |
| 2.3.2 基于用户信息收集的方法 |
| 2.4 信任鸿沟的弥补 |
| 2.4.1 主动的认证方法 |
| 2.4.2 被动的认证方法 |
| 2.5 本章小结 |
| 第三章 基于3D CNN的视频拷贝检测 |
| 3.1 概述 |
| 3.2 拷贝检测 |
| 3.3 视频特征提取 |
| 3.3.1 静态特征 |
| 3.3.2 运动特征 |
| 3.4 所提出的方法 |
| 3.4.1 3D CNN |
| 3.4.2 并行3D CNN |
| 3.4.3 视频数据集 |
| 3.5 实验与分析 |
| 3.5.1 对完整视频和子视频的分类 |
| 3.5.2 对未知类别视频的分类 |
| 3.5.3 对不同结构的性能比较 |
| 3.6 本章小结 |
| 第四章 基于电影推荐的用户兴趣计算 |
| 4.1 概述 |
| 4.2 用户意图与兴趣 |
| 4.2.1 意图识别 |
| 4.2.2 兴趣计算 |
| 4.3 电影 |
| 4.3.1 电影预告片 |
| 4.3.2 电影描述 |
| 4.3.3 电影属性 |
| 4.3.4 电影情感的估计 |
| 4.4 所提出的方法 |
| 4.4.1 电影特征向量建模 |
| 4.4.2 用户兴趣向量的建立 |
| 4.5 实验与分析 |
| 4.5.1 数据集介绍 |
| 4.5.2 实验结果评价方法 |
| 4.5.3 参数的影响 |
| 4.5.4 与基于电影推荐的兴趣计算方法比较 |
| 4.6 本章小结 |
| 第五章 基于数字水印的图像内容认证 |
| 5.1 概述 |
| 5.2 传统的伪造方法 |
| 5.3 深度伪造的方法 |
| 5.4 数字认证水印 |
| 5.4.1 数字认证水印的基本特性 |
| 5.4.2 现有方法介绍 |
| 5.5 所提出的方法 |
| 5.5.1 视觉显着性模型 |
| 5.5.2 基于视觉显着性的JND模型 |
| 5.5.3 基于JND的水印量化 |
| 5.6 实验与分析 |
| 5.6.1 质量评价标准 |
| 5.6.2 鲁棒性实验 |
| 5.6.3 认证实验 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 攻读博士学位期间发表的学术论文和授权的发明专利 |
| 攻读博士学位期间承担和参与的科研项目 |
| 致谢 |
| 参考文献 |
（2）二进小波在图像检索中的应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 国内外研究现状及趋势 |
| 1.3 本文的研究内容与主要工作 |
| 2 小波变换理论 |
| 2.1 双正交小波变换 |
| 2.2 二进小波变换 |
| 2.3 二进小波变换快速算法 |
| 2.4 二进小波滤波器构造 |
| 3 单个特征的图象检索 |
| 3.1 图象检索方法概述 |
| 3.2 基于颜色特征的图象检索 |
| 3.2.1 颜色特征 |
| 3.2.2 形态学原理 |
| 3.2.3 图象检索试验与分析 |
| 3.3 基于纹理特征的检索 |
| 3.3.1 局部二值模式 |
| 3.3.2 图象检索试验与分析 |
| 3.4 基于形状特征的检索 |
| 3.4.1 二进小波模极大值边缘检测 |
| 3.4.2 不变矩 |
| 3.4.3 图象检索试验与分析 |
| 4 多特征的图象检索 |
| 4.1 综合颜色和纹理特征的检索 |
| 4.2 综合颜色和形状特征的检索 |
| 4.3 综合纹理和形状特征的检索 |
| 结论 |
| 参考文献 |
| 在读期间发表的论文 |
| 后记 |
（3）基于NMI和熵特征的二值商标图象检索方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景 |
| 1.2 本文主要工作 |
| 1.3 本文的研究内容及结构安排 |
| 2 基于内容的图象检索的主要研究技术 |
| 2.1 引言 |
| 2.2 图象特征的提取与表达 |
| 2.3 图象相似度度量方法 |
| 3 二值图象的NMI特征及其提取方法 |
| 3.1 二值图象的NMI特征 |
| 3.2 图象NMI不变性特征序列的提取 |
| 3.3 试验结果与分析 |
| 3.4 小结 |
| 4 二值图象的信息熵特征及其提取方法 |
| 4.1 信息熵的表示 |
| 4.2 信息熵的性质 |
| 4.3 图象的熵 |
| 4.4 二值图象的熵及特征提取 |
| 4.5 小结 |
| 5 商标图象检索流程及检索算法 |
| 5.1 引言 |
| 5.2 商标图象检索流程 |
| 5.3 检索算法 |
| 5.4 实验结果与分析 |
| 6 基于相关反馈的二值商标图象检索算法 |
| 6.1 相关反馈提出的背景及分类 |
| 6.2 相关反馈的关键技术 |
| 6.3 基于NMI和信息熵特征的二值商标图象相关反馈检索算法 |
| 7 总结与展望 |
| 致谢 |
| 参考文献 |
（4）基于内容的图象检索研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 基于内容的图象检索简介 |
| 1.2 基于内容的图象检索系统 |
| 1 着名的图象检索系统的介绍 |
| 2 CBIR系统的应用领域 |
| 3 未来主要研究方向 |
| 1.3 本文的主要研究工作 |
| 第二章 基于内容的图象检索中的关键技术 |
| 2.1 CBIR系统的系统结构 |
| 2.2 图象数据库的体系结构 |
| 2.3 CBIR各种索引技术及相似性度量 |
| 1 颜色特征 |
| 2 纹理特征 |
| 3 形状特征 |
| 4 其他特征 |
| 2.4 相似性度量 |
| 2.5 性能评价 |
| 1 性能评价的方法 |
| 2 图象集 |
| 2.6 相关反馈 |
| 第三章 基于区域形状的图象检索 |
| 3.1 概述 |
| 3.2 特征提取 |
| 1 主要区域分割 |
| 2 形状表示 |
| 3.3 相似性度量 |
| 3.4 索引模式和查询 |
| 1 形状索引 |
| 2 查询 |
| 3.5 小结 |
| 第四章 系统实现 |
| 4.1 系统框架 |
| 4.2 图象入库 |
| 4.3 图象查询 |
| 4.4 实验结果和性能分析 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 主要参考文献 |
（5）一种基于区域弦分布的图象检索方法（论文提纲范文）
| 1 前言 |
| 1.1 概述 |
| 1.2 基于颜色特征的检索方法 |
| 1.3 我们的方法 |
| 2 颜色模型和颜色空间量化 |
| 2.1 颜色模型 |
| 2.2 颜色空间量化 |
| 3 区域弦分布及其图象特征表示 |
| 3.1 区域弦分布 |
| 3.2 弦分布的性质 |
| 3.3 区域特征建立和图象特征表示 |
| 4 基于区域弦分布的图象检索算法 |
| 4.1 图象分割 |
| 4.2 区域弦的计算 |
| 4.3 图象相似性度量 |
| 4.4 算法描述 |
| 5 实验 |
| 附录A: |
| 参考文献 |
（6）基于内容的图象相似性度量技术研究及其在水利中的应用（论文提纲范文）
| 第一章 绪论 |
| 1.1 图象的数字化表示与检索 |
| 1.1.1 图象信息的数字化 |
| 1.1.2 可视化信息检索 |
| 1.2 基于内容的图象相似性检索 |
| 1.2.1 基于内容的图象检索的发展过程 |
| 1.2.2 基于内容的图象检索技术 |
| 1.2.3 图象内容的相似性度量 |
| 1.2.4 图象多特征的相关反馈检索技术 |
| 1.3 目前研究中存在的一些问题 |
| 1.4 本文的研究内容与主要工作 |
| 1.5 本文的组织结构 |
| 第二章 色彩特征表示与相似性度量 |
| 2.1 前言 |
| 2.2 色彩表示空间与色彩表示系统 |
| 2.2.1 视觉系统对颜色的感知 |
| 2.2.2 图象的颜色模型 |
| 2.3 图象色彩特征的抽取 |
| 2.3.1 概述 |
| 2.3.2 代表色的提取 |
| 2.3.3 图象色彩直方图的表示 |
| 2.4 色彩特性的相似性度量 |
| 2.4.1 概述 |
| 2.4.2 相似性度量空间 |
| 2.4.3 直方图交集算法 |
| 2.5 小结 |
| 第三章 基于信息熵的图象相似性检索技术研究 |
| 3.1 前言 |
| 3.2 信息熵与信息度量 |
| 3.2.1 信息熵的定义 |
| 3.2.2 信息熵的性质 |
| 3.3 色彩信息熵的概念 |
| 3.3.1 色彩直方图概率密度函数 |
| 3.3.2 熵函数的敏感性 |
| 3.4 基于熵的图象相似性度量 |
| 3.4.1 熵差 |
| 3.4.2 相对熵 |
| 3.4.3 度量空间距离分布与图象的聚类 |
| 3.5 基于图象熵的索引 |
| 3.5.1 熵索引算法E_INDEX |
| 3.5.2 基于熵的相似性度量性能分析 |
| 3.6 小结 |
| 第四章 基于熵空间的多精度度量 |
| 4.1 引言 |
| 4.2 多精度查询 |
| 4.2.1 多精度相似检索 |
| 4.2.2 子图象相似查询 |
| 4.3 多精度散列算法 |
| 4.3.1 可扩展的散列结构 |
| 4.3.2 散列词典初始化 |
| 4.3.3 词典常用操作 |
| 4.4 搜索算法 |
| 4.5 实验结果 |
| 4.6 小结 |
| 第五章 模糊图象检索与相关反馈机制 |
| 5.1 引言 |
| 5.2 模糊检索的基本概念 |
| 5.3 模糊数据库模型 |
| 5.4 模糊查询过程 |
| 5.4.1 模糊查询接口 |
| 5.4.2 模糊相似性度量 |
| 5.4.3 模糊语义特征的提取 |
| 5.5 基于语义的相关反馈机制 |
| 5.5.1 层次化语义描述与语义网结构 |
| 5.5.2 基于语义的相关反馈算法 |
| 5.6 实验结果 |
| 5.7 小结 |
| 第六章 图象检索技术在防洪决策系统中的应用 |
| 6.1 研究背景 |
| 6.2 系统分析 |
| 6.2.1 北江大堤防汛指挥系统工程概述 |
| 6.2.2 防汛决策支持系统对图象检索的需求 |
| 6.2.3 图象信息检索系统与决策支持系统的关系 |
| 6.3 工情信息采集与可视信息处理 |
| 6.3.1 工情信息采集 |
| 6.3.2 工情可视信息处理 |
| 6.4 工情可视信息查询 |
| 6.4.1 查询需求 |
| 6.4.2 查询策略 |
| 6.5 系统的设计与实现 |
| 6.5.1 系统结构 |
| 6.5.2 工情库设计 |
| 6.5.3 系统实现 |
| 6.6 小结 |
| 第七章 总结与展望 |
| 7.1 本文总结 |
| 7.2 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
（7）基于内容的图象检索技术研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 课题的背景与研究意义 |
| 1.2 国内外研究热点及现状 |
| 1.3 本文研究的主要内容 |
| 1.4 本文主要的研究成果 |
| 第二章 基于内容图象检索的预备知识及关键技术 |
| 2.1 概述 |
| 2.2 图象检索中常用的低层特征描述方法 |
| 2.3 图象检索中的相似性度量方法 |
| 2.4 图象数据库的索引机制 |
| 2.5 图象检索算法的评价准则 |
| 2.6 图象检索中的相关反馈技术 |
| 2.7 图象检索常见的查询方式 |
| 2.8 经典的基于内容图象检索系统的介绍 |
| 2.9 小结 |
| 第三章 基于显着边缘的图象检索方法 |
| 3.1 概述 |
| 3.2 相关工作及本章算法产生的背景 |
| 3.3 本章算法的核心思想和处理流程 |
| 3.4 本章算法详细介绍 |
| 3.4.1 边缘检测 |
| 3.4.2 独立边界自增强算法 |
| 3.4.3 选择显着边缘集合 |
| 3.4.4 显着边缘特征描述及图象特征矢量的形成 |
| 3.4.5 综合显着边缘的匹配算法 |
| 3.4.6 模拟实验结果 |
| 3.5 小结 |
| 第四章 基于显着兴趣点的图象检索方法 |
| 4.1 概述 |
| 4.2 相关工作 |
| 4.3 本章算法的主要思想和创新之处 |
| 4.4 本章算法详细介绍 |
| 4.4.1 显着兴趣点检测和非线性滤波 |
| 4.4.2 基于显着兴趣点的颜色特征描述 |
| 4.4.3 相似性度量准则 |
| 4.4.4 模拟实验结果 |
| 4.5 小结 |
| 第五章 基于用户感兴趣物体的图象检索方法 |
| 5.1 概述 |
| 5.2 相关工作 |
| 5.3 本章算法的核心思想和流程 |
| 5.4 本章算法详细介绍 |
| 5.4.1 视觉注意计算模型和关注度图 |
| 5.4.2 感兴趣物体自动提取算法 |
| 5.4.3 基于感兴趣物体的特征描述 |
| 5.4.4 基于感兴趣物体的图象相似度度量 |
| 5.4.5 模拟实验结果 |
| 5.5 小结 |
| 第六章 基于VARIOGRAM函数的图象纹理描述以及在图象检索中的应用 |
| 6.1 概述 |
| 6.2 相关工作 |
| 6.3 本章算法的基本思想和流程图 |
| 6.4 Variogram函数基本理论介绍 |
| 6.4.1 产生背景及基本理论 |
| 6.4.2 Variogram函数的定义 |
| 6.4.3 Variogram函数的基本性质 |
| 6.4.4 实验Variogram函数的计算 |
| 6.4.5 Variogram函数与图象纹理特征描述之间的联系 |
| 6.5 基于Variogram函数的纹理分析及图象检索算法 |
| 6.5.1 基本概念 |
| 6.5.2 基于Variogram函数的纹理类型自动估计算法 |
| 6.5.3 规则纹理分析算法 |
| 6.5.4 不规则纹理的分析算法 |
| 6.5.5 基于纹理的特征矢量 |
| 6.5.6 图象间的相似性度量 |
| 6.5.7 模拟实验结果 |
| 6.6 小结 |
| 第七章 记忆学习的图象检索模型 |
| 7.1 概述 |
| 7.2 相关反馈技术原理介绍及相关的工作 |
| 7.3 SVM的基本理论及在相关反馈中的应用 |
| 7.3.1 SVM的基本理论 |
| 7.3.2 SVM二分类算法在相关反馈中的应用 |
| 7.4 本章模型的产生背景和基本思想 |
| 7.5 本章模型的详细介绍 |
| 7.5.1 图象语义连接网络 |
| 7.5.2 基于语义连接网络的图象聚类 |
| 7.5.3 图象间潜在语义相似性分析 |
| 7.5.4 图象之间基于语义的相似性 |
| 7.5.5 应用记忆学习机制到实际的图象检索系统 |
| 7.5.6 模拟实验 |
| 7.6 小结 |
| 第八章 结束语 |
| 8.1 本文主要研究成果 |
| 8.2 后续工作及发展方向 |
| 参考文献 |
| 致谢 |
| 在学期间取得的科研成果简介 |
（8）基于内容图象检索中关键技术的研究（论文提纲范文）
| 第一章 绪论 |
| 1.1 基于内容图象检索的背景和现状 |
| 1.1.1 基于内容图象检索概念的提出和应用 |
| 1.1.2 CBIR特征提取和匹配方法研究状况简介 |
| 1.1.3 CBIR的主要特点 |
| 1.2 基于内容的图象检索过程 |
| 1.3 CBIR系统的关键技术 |
| 1.4 本文创新内容和主要工作 |
| 第二章 小波理论基础 |
| 2.1 小波变换的基本知识 |
| 2.1.1 一维连续小波变换的基本概念 |
| 2.1.2 小波函数和尺度函数的性质 |
| 2.1.3 信号分解过程 |
| 2.1.4 二维小波变换 |
| 2.1.5 二维信号的小波分解 |
| 2.2 整数小波变换和上升型构造方案 |
| 2.2.1 上升型方案（Lifting scheme） |
| 2.2.2 整数小波变换 |
| 2.3 总结 |
| 第三章 彩色图象检索方法的研究 |
| 3.1 基于整数小波变换的彩色图象检索方法 |
| 3.1.1 彩色图象预处理 |
| 3.1.2 图象空间的小波分解 |
| 3.1.3 算法介绍 |
| 3.1.4 实验及结果 |
| 3.2 基于颜色矩的彩色图象检索方法 |
| 3.2.1 颜色矩的基本概念 |
| 3.2.2 基于颜色矩的特征提取和匹配算法 |
| 3.2.3 实验及结果 |
| 第四章 整数小波纹理分析方法研究 |
| 4.1 纹理描述符 |
| 4.2 基于灰度共生矩阵的纹理图象分析方法 |
| 4.3 基于多尺度整数小波系数的纹理图象检索方法 |
| 4.3.1 纹理图象的小波分解 |
| 4.3.2 纹理图象的特征提取和匹配算法 |
| 4.3.3 实验结果及结论 |
| 4.4 纹理图象和非纹理图象的区分方法研究 |
| 第五章 基于形状的图象检索方法 |
| 5.1 形状表达和描述 |
| 5.1.1 边界表达和描述 |
| 5.1.2 区域表达和描述 |
| 5.2 基于区域不变矩的二值目标检索算法 |
| 5.2.1 区域的二值分割 |
| 5.2.2 二值区域的不变矩计算举例 |
| 5.2.3 二值图象的特征定义和匹配 |
| 5.2.4 实验及结果 |
| 5.2.5 结论 |
| 第六章 CBIR系统模型和评价标准 |
| 6.1 CBIR系统模型 |
| 6.2 CBIR系统评价标准 |
| 6.2.1 查全率和查准率（Recall vs．Precision） |
| 6.2.2 平均积分比 |
| 6.2.3 整个图象数据库的检索效率 |
| 6.2.4 本文检索算法简单评价 |
| 第七章 CBIR有待进一步研究的领域 |
| 第八章 结束语 |
| 致谢 |
| 参考文献 |
| 在读期间研究成果 |
（9）基于内容图像检索的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究动态 |
| 1.3 论文的主要研究内容 |
| 1.4 论文组织与安排 |
| 第二章 基于内容的图像检索的基本知识 |
| 2.1 概述 |
| 2.2 特征描述方法 |
| 2.2.1 颜色特征描述 |
| 2.2.2 纹理特征描述 |
| 2.2.3 形状特征描述 |
| 2.3 相似性度量方法 |
| 2.3.1 距离度量方法 |
| 2.3.2 人类视觉相似性方法模型 |
| 2.4 图像数据库的索引机制 |
| 2.5 图像检索算法的性能评价准则 |
| 2.6 关于用户反馈的介绍 |
| 2.7 关于用户查询的介绍 |
| 第三章 基于颜色和纹理图像特征的分析与检索 |
| 3.1 基于颜色特征分析与检索 |
| 3.1.1 颜色基础 |
| 3.1.2 颜色模型 |
| 3.1.3 模型转换 |
| 3.1.4 直方图空间定义及其距离计算 |
| 3.1.5 色彩聚类 |
| 3.2 基于纹理特征分析与检索 |
| 3.2.1 纹理简述 |
| 3.2.2 纹理模型 |
| 3.2.3 纹理的小波分析 |
| 3.2.4 纹理特征的提取和匹配 |
| 第四章 基于内容检索系统原理和具体实现过程 |
| 4.1 图像检索系统原理 |
| 4.1.1 图像处理模块 |
| 4.1.2 特征提取模块 |
| 4.1.3 查询模块 |
| 4.1.4 对象库与特征库 |
| 4.1.5 模块间的关系 |
| 4.2 图像检索系统的设计界面 |
| 4.3 图像数据库的创建 |
| 4.3.1 图像数据库概述 |
| 4.3.2 特征值数据库表结构的设计 |
| 4.4 图像数据库功能的设计与实现 |
| 4.4.1 应用MFC ODBC 来访问数据库 |
| 4.4.2 应用MFC ODBC 编程建立数据库 |
| 4.5 ADO DATA控件与DATAGRID控件 |
| 4.5.1 Ado Data 控件说明 |
| 4.5.2 DataGrid 控件说明 |
| 4.6 实现图像的浏览功能的代码以及注释 |
| 4.7 程序的其它相关代码 |
| 第五章 实验及结果分析 |
| 5.1 实验系统的使用方法介绍 |
| 5.2 实验数据的准备 |
| 5.3 实验方案的提出 |
| 5.4 运行结果和分析 |
| 5.4.1 以颜色为主特征对图像进行检索 |
| 5.4.2 以纹理为主特征对图像进行检索 |
| 5.4.3 以颜色和纹理为主特征对图像进行检索 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（10）基于AVS的视频检索系统研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.2 AVS 视频编码标准简介 |
| 1.2.1 标准工作简况与进展 |
| 1.2.2 标准特点 |
| 1.2.3 产业化前景 |
| 1.2.4 AVS 编码框架 |
| 1.2.5 AVS 视频编码技术 |
| 1.2.5.1 帧内预测 |
| 1.2.5.2 帧间预测 |
| 1.2.5.3 熵编码 |
| 1.2.5.4 环路滤波 |
| 1.2.5.5 整数变换与量化 |
| 1.3 基于内容的视频检索简介 |
| 1.3.1 传统视频检索 |
| 1.3.2 基于内容的视频检索 |
| 1.3.3 着名的视频图象检索系统的介绍 |
| 1.3.4 国内研究状况 |
| 1.4 本论文的研究内容 |
| 第二章 基于内容的视频检索技术研究 |
| 2.1 概述 |
| 2.2 基于内容的视频检索的特征的提取及分析 |
| 2.2.1 基于颜色特征的检索技术 |
| 2.2.2 基于纹理的检索技术 |
| 2.2.3 基于形状的检索技术 |
| 2.2.4 基于边界草图的检索技术 |
| 2.2.5 基于空间关系的检索技术 |
| 2.3 基于内容的视频检索系统性能评价指标 |
| 2.3.1 查全率和准确度 |
| 2.3.2 检索效率 |
| 2.3.3 检索率 |
| 2.3.4 匹配百分函数 |
| 2.4 本章小结 |
| 第三章 基于颜色特征的视频检索技术 |
| 3.1 常用颜色模型及转化 |
| 3.1.1 RGB 颜色模型 |
| 3.1.2 HSV 颜色模型 |
| 3.1.3 HSI 颜色模型 |
| 3.1.3.1 从RGB 转换到HSI |
| 3.1.3.2 从HSI 转换到RGB |
| 3.1.4 YUV 颜色模型 |
| 3.1.4.1 YUV 颜色模型主要作用 |
| 3.1.4.2 YUV 与RGB 之间的相互转换 |
| 3.1.4.3 YUV 主要的采样格式 |
| 3.1.4.4 YUV 主要的格式 |
| 3.1.5 YIQ 颜色模型 |
| 3.1.6 XYZ 颜色模型 |
| 3.2 颜色特征表述方法 |
| 3.2.1 颜色直方图 |
| 3.2.2 颜色矩 |
| 3.2.3 主色调法 |
| 3.2.4 颜色聚会矢量 |
| 3.2.5 颜色相关图 |
| 3.3 本章小结 |
| 第四章 基于AVS 的视频检索系统设计与实现 |
| 4.1 系统总体架构 |
| 4.2 AVS 解码过程分析 |
| 4.2.1 视频序列头 |
| 4.2.2 视频帧 |
| 4.2.3 图像间的顺序 |
| 4.2.4 解码流程 |
| 4.3 BMP 图像文件分析 |
| 4.3.1 BMP 图像文件头 |
| 4.3.2 BMP 图像位图信息头 |
| 4.3.3 BMP 图像位图颜色表 |
| 4.3.4 BMP 图像位图数据 |
| 4.4 颜色特征的提取及表述 |
| 4.4.1 颜色直方图 |
| 4.4.2 局部颜色直方图 |
| 4.5 基于图像相似度的关键帧提取算法 |
| 4.5.1 关键帧的选取原则 |
| 4.5.2 典型的关键帧提取技术 |
| 4.5.3 基于图像相似度的关键帧提取算法 |
| 4.5.3.1 基于图像相似度的关键帧提取算法的提出 |
| 4.5.3.2 基于图像相似度的关键帧提取算法 |
| 4.5.3.3 系统实现 |
| 4.5.3.4 实验分析 |
| 4.6 全局特征和局部特征相结合的查询办法 |
| 4.6.1 全局特征与局部特征相结合的查询办法 |
| 4.6.2 用户查询系统结构说明 |
| 4.6.3 用户查询系统界面 |
| 4.6.4 实验分析 |
| 4.7 本章小结 |
| 第五章 论文总结 |
| 5.1 课题总结 |
| 5.2 发展前景 |
| 5.2.1 多特征结合的综合检索 |
| 5.2.2 压缩域的检索 |
| 5.2.3 网上分类检索 |
| 5.2.4 检索中的交互反馈 |
| 5.2.5 AVS 编码标准的应用研究 |
| 致谢 |
| 参考文献 |
| 作者攻硕期间取得的研究成果 |
四、基于内容图象检索中关键技术的研究（论文参考文献）
- [1]基于语义和兴趣的图像/视频检索与认证技术研究[D]. 李静. 山东师范大学, 2020(08)
- [2]二进小波在图像检索中的应用研究[D]. 艾木拉姑丽·卡得尔. 新疆师范大学, 2015(03)
- [3]基于NMI和熵特征的二值商标图象检索方法研究[D]. 王振海. 山东科技大学, 2004(01)
- [4]基于内容的图象检索研究[D]. 张天红. 西北工业大学, 2004(03)
- [5]一种基于区域弦分布的图象检索方法[D]. 胡恩良. 云南师范大学, 2003(02)
- [6]基于内容的图象相似性度量技术研究及其在水利中的应用[D]. 张明. 河海大学, 2003(03)
- [7]基于内容的图象检索技术研究[D]. 韩军伟. 西北工业大学, 2003(01)
- [8]基于内容图象检索中关键技术的研究[D]. 乃学尚. 西安电子科技大学, 2002(02)
- [9]基于内容图像检索的研究[D]. 麻海峰. 太原理工大学, 2010(10)
- [10]基于AVS的视频检索系统研究与实现[D]. 贺祥. 电子科技大学, 2009(11)