第1章 基于内容的图像检索与关键技术 1
1.1图像检索技术的发展 1
1.1.1基于文本的图像检索 2
1.1.2基于内容的图像检索 3
1.1.3自动图像标注技术 6
1.1.4国内外研究状况 6
1.2 CBIR的研究内容 10
1.2.1特征提取与匹配 10
1.2.2索引机制 10
1.2.3用户接口 11
1.3 CBIR的关键技术 12
1.3.1基本检索原理 12
1.3.2图像内容及检索层次 13
1.3.3常用特征描述方法 14
1.3.4特征匹配技术 19
1.3.5稀疏表示技术 25
1.3.6性能评价准则 27
1.4 CBIR的应用与经典系统 30
1.4.1 CBIR的应用 30
1.4.2经典CBIR系统介绍 31
1.5本书内容安排 38
参考文献 39
第2章 图像低层特征的提取与表达 45
2.1颜色特征的提取与表达 45
2.1.1颜色空间 45
2.1.2颜色量化 50
2.1.3全局颜色特征 51
2.1.4空间颜色特征 56
2.2形状特征的提取与表达 68
2.2.1概述 68
2.2.2基于轮廓的描述方法 69
2.2.3基于区域的描述方法 89
2.3纹理特征的提取与表达 103
2.3.1概述 103
2.3.2常用的纹理分析方法 104
2.3.3局部二值模式 116
2.3.4纹理基元共生矩阵 128
2.4 MPEG-7中的图像特征描述符 131
2.4.1颜色描述符 133
2.4.2形状描述符 134
2.4.3纹理描述符 135
参考文献 136
第3章 基于压缩域的图像检索技术 146
3.1概述 146
3.1.1图像压缩技术 147
3.1.2静态图像压缩标准 153
3.1.3压缩域图像检索的原理 162
3.1.4压缩域图像检索的研究内容 164
3.1.5压缩域图像检索的研究方法 164
3.2空间压缩域技术 166
3.2.1矢量量化 166
3.2.2分形编码 169
3.2.3预测编码 171
3.3变换压缩域技术 172
3.3.1基于DFT压缩域 172
3.3.2基于DCT压缩域 173
3.3.3基于小波压缩域 181
3.3.4基于K-L变换域 186
3.4空间域和变换域的融合检索 188
3.5 DCT压缩域内的纹理特征 189
3.5.1复杂度的定义 190
3.5.2复杂度直方图 191
3.6 DCT压缩域内的形状特征 193
3.6.1理想边缘模型DCT块的分类 193
3.6.2空间边缘分布特征的提取 195
参考文献 196
第4章 视觉注意计算模型 205
4.1概述 205
4.1.1人类视觉系统 205
4.1.2视觉系统理论 207
4.1.3研究现状 214
4.2基于特征加权的视觉注意计算模型 219
4.2.1模型实现过程 219
4.2.2物体识别实验 223
4.2.3物体搜索实验 226
4.3基于高斯混合的视觉注意计算模型 229
4.3.1高斯混合模型 230
4.3.2基于GMM的视觉注意计算模型 232
4.3.3实验与分析 236
4.4基于CIELab的视觉注意计算模型 239
4.4.1模型实现过程 240
4.4.2实验与分析 245
参考文献 255
第5章 自动图像标注技术 261
5.1概述 261
5.1.1自动图像标注概述及研究意义 261
5.1.2自动图像标注的关键问题 264
5.2图像视觉特征选择 265
5.2.1视觉特征选择 265
5.2.2视觉特征加权 266
5.3自动图像标注模型 273
5.3.1基于生成模型的标注方法 273
5.3.2基于判别模型的标注方法 279
5.3.3基于多示例学习的标注方法 289
参考文献 314
第6章 子空间特征提取技术 321
6.1概述 321
6.1.1降维原因 321
6.1.2子空间特征提取方法的形式化描述及分类 323
6.2经典的子空间特征提取方法 324
6.2.1线性方法 324
6.2.2核方法 326
6.2.3流形方法 328
6.2.4半监督方法 333
6.2.5张量方法 334
6.2.6图嵌入框架 334
6.3基于自适应近邻图嵌入的局部鉴别投影方法 339
6.3.1方法提出的背景 339
6.3.2 LFDA 339
6.3.3 LADP 342
6.4基于对角图像的模糊线性鉴别分析 347
6.4.1方法提出的背景 347
6.4.2 FLDA 347
6.4.3对角图像 353
6.4.4 DiaFLDA 354
6.5 DCT域内拉普拉斯值排序的子空间特征提取方法 357
6.5.1方法提出的背景 357
6.5.2离散余弦变换（DCT） 357
6.5.3局部保持能力判据 359
6.5.4 DCT/LS+LPP 361
参考文献 362