第1章 基于内容的图像检索与关键技术

1.1图像检索技术的发展

1.1.1基于文本的图像检索

1.1.2基于内容的图像检索

1.1.3自动图像标注技术

1.1.4国内外研究状况

1.2 CBIR的研究内容

1.2.1特征提取与匹配

1.2.2索引机制

1.2.3用户接口

1.3 CBIR的关键技术

1.3.1基本检索原理

1.3.2图像内容及检索层次

1.3.3常用特征描述方法

1.3.4特征匹配技术

1.3.5稀疏表示技术

1.3.6性能评价准则

1.4 CBIR的应用与经典系统

1.4.1 CBIR的应用

1.4.2经典CBIR系统介绍

1.5本书内容安排

参考文献

第2章 图像低层特征的提取与表达

2.1颜色特征的提取与表达

2.1.1颜色空间

2.1.2颜色量化

2.1.3全局颜色特征

2.1.4空间颜色特征

2.2形状特征的提取与表达

2.2.1概述

2.2.2基于轮廓的描述方法

2.2.3基于区域的描述方法

2.3纹理特征的提取与表达

2.3.1概述

2.3.2常用的纹理分析方法

2.3.3局部二值模式

2.3.4纹理基元共生矩阵

2.4 MPEG-7中的图像特征描述符

2.4.1颜色描述符

2.4.2形状描述符

2.4.3纹理描述符

参考文献

第3章 基于压缩域的图像检索技术

3.1概述

3.1.1图像压缩技术

3.1.2静态图像压缩标准

3.1.3压缩域图像检索的原理

3.1.4压缩域图像检索的研究内容

3.1.5压缩域图像检索的研究方法

3.2空间压缩域技术

3.2.1矢量量化

3.2.2分形编码

3.2.3预测编码

3.3变换压缩域技术

3.3.1基于DFT压缩域

3.3.2基于DCT压缩域

3.3.3基于小波压缩域

3.3.4基于K-L变换域

3.4空间域和变换域的融合检索

3.5 DCT压缩域内的纹理特征

3.5.1复杂度的定义

3.5.2复杂度直方图

3.6 DCT压缩域内的形状特征

3.6.1理想边缘模型DCT块的分类

3.6.2空间边缘分布特征的提取

参考文献

第4章 视觉注意计算模型

4.1概述

4.1.1人类视觉系统

4.1.2视觉系统理论

4.1.3研究现状

4.2基于特征加权的视觉注意计算模型

4.2.1模型实现过程

4.2.2物体识别实验

4.2.3物体搜索实验

4.3基于高斯混合的视觉注意计算模型

4.3.1高斯混合模型

4.3.2基于GMM的视觉注意计算模型

4.3.3实验与分析

4.4基于CIELab的视觉注意计算模型

4.4.1模型实现过程

4.4.2实验与分析

参考文献

第5章 自动图像标注技术

5.1概述

5.1.1自动图像标注概述及研究意义

5.1.2自动图像标注的关键问题

5.2图像视觉特征选择

5.2.1视觉特征选择

5.2.2视觉特征加权

5.3自动图像标注模型

5.3.1基于生成模型的标注方法

5.3.2基于判别模型的标注方法

5.3.3基于多示例学习的标注方法

参考文献

第6章 子空间特征提取技术

6.1概述

6.1.1降维原因

6.1.2子空间特征提取方法的形式化描述及分类

6.2经典的子空间特征提取方法

6.2.1线性方法

6.2.2核方法

6.2.3流形方法

6.2.4半监督方法

6.2.5张量方法

6.2.6图嵌入框架

6.3基于自适应近邻图嵌入的局部鉴别投影方法

6.3.1方法提出的背景

6.3.2 LFDA

6.3.3 LADP

6.4基于对角图像的模糊线性鉴别分析

6.4.1方法提出的背景

6.4.2 FLDA

6.4.3对角图像

6.4.4 DiaFLDA

6.5 DCT域内拉普拉斯值排序的子空间特征提取方法

6.5.1方法提出的背景

6.5.2离散余弦变换（DCT）

6.5.3局部保持能力判据

6.5.4 DCT/LS+LPP

参考文献