《智能图像检索关键技术研究》是毛金莲老师多年从事多媒体信息检索研究工作的系统性总结，包含了她对当前国际、国内在智能图像检索关键技术研究上的个人分析与展望。对智能图像检索中涉及的关键技术，如图像特征表达技术、图像相似性度量技术、图像索弓l技术和图像检索结果评价技术等，按照智能图像检索技术的发展脉络，借助最新的研究成果，逐一进行了详细的介绍和总结归纳。

本书在对智能图像检索关键技术进行介绍时，提供了大量制作精美的算法流程图和示意图。对近年来智能图像检索中关键技术进行了比较系统的梳理和介绍，对于从事多媒体信息检索，尤其是智能图像检索研究方向的相关研究者，具有非常好的学术参考价值。与此同时，本书对部分重要算法还提供了相应的程序伪代码或源代码，同时还给出了一些图像检索相关的网络开源资源信息，这对于从事该领域的工程人员，具有非常好的工作实用价值。

第1章 绪论

 1.1 研究背景

 1.2 核心研究问题及挑战

 1.3 课题研究的意义

 参考文献

第2章 智能图像检索关键技术概述

 2.1 图像特征提取与表达

2.1.1 基于文本描述的图像特征

2.1.2 基于图像内容的视觉特征

2.1.3 基于图像高层语义的特征

 2.2 图像相似度度量

2.2.1 L1距离／L2距离和Lp距离

2.2.2 直方图相交距离

2.2.3 二次式距离

2.2.4 马氏距离

2.2.5 非几何的相似度方法

 2.3 图像索引技术

2.3.1 基于颜色特征的索引技术

2.3.2 基于形状特征的索引技术

2.3.3 基于纹理特征的索引技术

2.3.4 基于对象空间关系的索引技术

2.3.5 多维图像特征的索引技术

 2.4 图像检索评测指标

 2.5 图像评测数据集

2.5.1 Caltech256

2.5.2 Corel—5K图像数据库

2.5.3 MSRA—MM2.0多媒体数据集

2.5.4 NUS—WIDE图像数据集

 2.6 本章小结

 参考文献

第3章 基于文本的图像检索技术

 3.1 基于文本的图像检索简介

 3.2 图像索引数据库的构建

 3.3 关键字的匹配查找

3.3.1 单关键字匹配算法

3.3.2 多关键字匹配算法

 3.4 基于文本的图像检索的问题与挑战

 3.5 本章小结

 参考文献

第4章 基于内容的图像检索技术

 4.1 一种保持视觉和语义相似性的非负矩阵分解及其在图像检索中的应用

4.1.1 NMF算法回顾

4.1.2 VSNMF算法

4.1.3 实验测试

4.1.4 实验结论

 4.2 自适应多视图学习算法及其在基于内容的图像检索中的应用

4.2.1 相关工作

4.2.2 自适应多视角学习算法

4.2.3 实验分析

4.2.4 实验结论

 4.3 基于多特征选择的图像检索算法

4.3.1 多轮廓特征提取

4.3.2 多轮廓特征选择

4.3.3 实验测试

 4.4 本章小结

 参考文献

第5章 基于语义的图像检索技术

 5.1 图像内容层次结构

 5.2 语义鸿沟问题

 5.3 图像语义提取方法

5.3.1 利用系统知识的语义提取

5.3.2 基于系统交互的语义生成

5.3.3 基于外部信息的语义提取

 5.4 图像自动语义标注方法

5.4.1 图像自动语义标注方法

5.4.2 基于稀疏典型性相关分析的图像标注方法

 5.5 本章小结

 参考文献

第6章 面向特定平台的图像检索技术

 6.1 面向微机与服务器的图像检索技术

 6.2 面向Intemet的图像检索技术

 6.3 面向智能移动终端的图像检索技术

 6.4 面向分布式计算和存储平台的图像检索技术

 6.5 本章小结

 参考文献

第7章 针对特定应用的图像检索技术

 7.1 针对特定自然图像的图像检索技术

 7.2 针对情感语义图像的图像检索技术

7.2.1 图像情感信息（Ixnage emotion information）

7.2.2 图像情感标注（Image emotion labeling）

7.2.3 基于情感语义的图像检索系统的研究

 7.3 本章小结

 参考文献

第8章 智能图像检索技术研究展望

附录A 图像相关开源工具包资源

 A1 开源图像处理工具包

A1.1 OpenCV

A1.2 EmguCV

A1.3 Image ProcessingToolbox

A1.4 VLFeat

 A2 开源图像检索引擎

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 起点R3企业级搜索引擎

A2.10 Kaaa分布式Lucene

附录B 部分重要算法伪／源码

 B1 Boyer—Moore（BM）关键字匹配算法

 B2 Wu—Manber多关键字匹配算法

 B3 颜色空间转换函数

 B4 PCA主成分分析代码

 B5 AMVL自适应多视角学习算法代码

 B6 Sparse CCA稀疏典型性相关分析

作者简介