《基于内容图像检索技术》从理论方法研究与实现技术角度，总结归纳了基于内容图像检索（CBIR）技术的研究与进展，并融入了作者多年来的相关研究与应用成果，系统地介绍了CBIR的主要概念、基本原理、典型方法、实用范例以及新动向。《基于内容图像检索技术》共有12章分为五部分：第一部分是概述，分析了CBIR的体系结构、技术现状和发展趋势；第一部分讨论图像特征提取，给出图像低层特征（颜色、形状、纹理、空间关系）和图像高层特征（语义）提取算法，论述了综合图像多特征的检索方法以及三维模型检索的前沿研究；第三部分是优化，论述了特征优化与过程优化；第四部分给出了相关性评价与量化评价的通用方法；第五部分介绍原型系统与应用实例，介绍了作者设计实现的原型检索系统与应用实例。
　　《基于内容图像检索技术》注重理论分析与算法实践相结合。体系完善，书中所列算法均已调试通过，配有适量习题，每章均附有参考文献与小结，便于参考查阅。《基于内容图像检索技术》内容详实。比较实用，可供电子工程、计算机科学与技术、媒体制作和生产、远程教育和医疗、公安、遥感等领域的科技工作者参考，亦可作为高校电子工程、计算机及相关专业研究生教材。

　　4．基于内容图像检索中的相关反馈方法
　　1）基于方差分析的相关反馈方法
　　基于方差分析的相关反馈方法也是权值调整方法的一种，其基本思想是给那些使正例良好聚类，而使正例和反例区分开的特征以较高的权重。因此需要分析所有正例在该特征对应的特征轴上的特征分量值的分布情况。方差越大，这组数据就越离散，数据的波动也就越大；方差越小，这组数据就越聚合，数据的波动也就越小。换言之，方差越大，则正例在该特征上的不相似度越大，反之相似程度越大、越能代表用户的查询需求，这启发我们用方差的倒数来衡量特征权重。实验结果表明基于方差分析的相关反馈方法具有很高的反馈效率和准确率。
　　2）基于贝叶斯理论的相关反馈方法
　　基于多元正态概率型下的最小错误率贝叶斯判别函数和决策面理论，通过移动查询点（见10．1节），实现了检索反馈。
　　原型系统基本实现了高速、有效的检索图像，用户可以选择不同的相关反馈检索算法。

第1章 基于内容图像检索技术概述
1．1 图像检索的发展
1．2 基于内容图像检索的系统结构
1．3 基于内容图像检索的特点
1．4 基于内容图像检索方法的分类
1．4．1 外部图例查询
1．4．2 内部图例查询
1．4．3 草图查询
1．4．4 综合检索方法
1．5 基于内容图像检索的应用
1．6 基于内容图像检索的典型系统
1．6．1 QBIC
1．6．2 Virage
1．6．3 RetrievalWare
1．6．4 Photobook
1．6．5 VisualSEEK和WebSEEK
1．6．6 Netra
1．6．7 MARS
1．6．8 SIMF Licity
1．6．9 其他系统
参考文献

第2章 基于颜色特征的图像检索
2．1 原色系统
2．2 颜色空间的变换
2．2．1 线性变换颜色空间
2．2．2 Munsell颜色表系统
2．2．3 CIE颜色空间
2．2．4 HSV颜色空间
2．3 颜色量化
2．3．1 颜色量化的定义
2．3．2 常用的色彩量化方法
2．4 基本颜色特征的表达及相似性度量
2．4．1 颜色直方图
2．4．2 二值颜色集
2．4．3 模糊颜色直方图
2．4．4 度量方法
2．5 结合颜色与空间信息的图像检索方法
2．5．1 分块的颜色矩方法
2．5．2 颜色关联图
2．5．3 颜色一致向量
2．5．4 空间颜色直方图
2．6 基于彩色特征点的对象查询
2．6．1 图像预处理
2．6．2 彩色特征点的选取
2．6．3 彩色特征点的表征
2．6．4 相似性度量
2．6．5 索引和搜索策略
2．6．6 实验结果及分析
2．7 小结
参考文献

第3章 基于形状特征的图像检索
3．1 图像增强
3．1．1 图像增强方法分类
3．1．2 基于粗糙集的增强算法
3．1．3 图像增强算法评价
3．2 图像分割
3．2．1 图像分割的定义
3．2．2 数据驱动的分割
3．2．3 模型驱动的分割
3．3 图像规格化
3．4 形状特征描述
3．4．1 简单的形状全局特征描述子
3．4．2 典型的形状特征检索方法
3．5 小结
参考文献

第4章 基于纹理特征的图像检索
4．1 空间域纹理分析
4．1．1 人眼视觉感受的Tamura纹理特征
4．1．2 改进的游程长度方法
4．1．3 Laws纹理能量方法
4．1．4 自相关函数方法
4．1．5 纹理谱方法
4．1．6 LBP算法
4．1．7 灰度共生矩阵方法
4．1．8 灰度一梯度共生矩阵方法
4．2 基于频率域的纹理分析方法
4．2．1 傅里叶变换法
4．2．2 基于傅里叶变换的纹理特征提取
4．3 空间／频率域联合纹理分析法
4．3．1 基于Gabor滤波的纹理特征提取
4．3．2 基于小波变换的纹理特征提取
4．4 分形纹理特征
4．4．1 分形的理论基础
4．4．2 分形维数的估计方法
4．5 小结
参考文献

第5章 基于空间关系的图像检索
5．1 图像中对象的表示
5．2 图像中对象间的拓扑关系
5．2．1 拓扑描述的数学基础——点集拓扑
5．2．2 拓扑空间关系描述——九元交模型
5．3 图像中对象的方向关系
5．3．1 点状对象间方向关系描述
5．3．2 面状对象间方向关系描述
5．4 二维投影间隔关系
5．5 空间相似性算法
5．5．1 常用的空间相似性算法
5．5．2 旋转修正角
5．5．3 旋转修正的相似性算法
5．6 小结
参考文献

第6章 基于语义的图像检索
6．1 图像检索中的语义处理方法
6．1．1 图像语义层次模型
6．1．2 图像语义提取方法
6．2 自动语义标注
6．2．1 无监督语义标注
6．2．2 监督语义标注
6．3 基于语义空间的图像检索
6．3．1 基于图像流形的相关反馈
6．3．2 基于图像流形的表示
6．4 基于情感模型的感性图像检索
6．4．1 情感模型
6．4．2 感性图像检索
6．4．3 实验分析
6．5 小结
参考文献

第7章 综合多特征的图像检索
7．1 多特征组合的相似性度量结构
7．2 结合颜色与形状特征的图像检索
7．3 结合形状与空间位置特征的图像检索_
7．3．1 形状特征的匹配
7．3．2 空间位置关系的匹配
7．3．3 二值商标图像的形状与空间位置匹配方法
7．3．4 实验及结果
7．4 综合颜色、形状和空间位置的图像检索
7．4．1 图像分割
7．4．2 颜色、形状和空间特征的提取
7．4．3 相似度计算
7．5 结合形状与纹理特征的图像检索
7．6 小结
参考文献

第8章 三维模型检索
第9章 图像检索中的特征优化
第10章 图像检索中的相关反馈过程优化
第11章 图像检索系统性能评价
第12章 基于内容图像检索的原型系统及应用实例