| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 基于底层特征的CBIR技术研究现状 | 第11-12页 |
| 1.3.2 汽车车型图像检索技术研究现状 | 第12-14页 |
| 1.4 论文研究内容及创新点 | 第14-15页 |
| 1.4.1 主要研究内容 | 第14页 |
| 1.4.2 创新点 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-17页 |
| 第二章 相关理论与技术 | 第17-21页 |
| 2.1 汽车车型图像检索流程 | 第17-18页 |
| 2.2 车脸图像样本 | 第18-19页 |
| 2.3 检索的性能指标 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 SIFT特征提取与匹配 | 第21-33页 |
| 3.1 SIFT特征提取原理 | 第21-27页 |
| 3.1.1 尺度空间极值探测 | 第21-24页 |
| 3.1.2 关键点定位 | 第24-25页 |
| 3.1.3 方向确定 | 第25-26页 |
| 3.1.4 关键点描述 | 第26-27页 |
| 3.2 常用SIFT特征匹配算法 | 第27-29页 |
| 3.2.1 Flann算法 | 第28页 |
| 3.2.2 Lowe算法 | 第28-29页 |
| 3.3 实验结果 | 第29-32页 |
| 3.3.1 Flann算法 | 第29-30页 |
| 3.3.2 Lowe算法 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于特征点关注度的SIFTKeyPre特征匹配算法 | 第33-47页 |
| 4.1 SIFTKeyPre算法基本思想 | 第33-34页 |
| 4.2 SIFTKeyPre算法原理与实例 | 第34-38页 |
| 4.2.1 设计特征点数据逻辑结构 | 第34页 |
| 4.2.2 构造特征点对 | 第34-35页 |
| 4.2.3 优选特征点对 | 第35-37页 |
| 4.2.4 计算基准图像特征点关注度 | 第37页 |
| 4.2.5 匹配目标图像对象 | 第37-38页 |
| 4.3 实验结果与分析 | 第38-45页 |
| 4.3.1 实验结果 | 第38-40页 |
| 4.3.2 分析与讨论 | 第40-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 基于BoVW-SVM的汽车图像匹配算法 | 第47-61页 |
| 5.1 BoVW-SVM算法基本思想 | 第47-48页 |
| 5.2 视觉词袋模型 | 第48-51页 |
| 5.2.1 词袋模型 | 第48-49页 |
| 5.2.2 构建视觉词典 | 第49-50页 |
| 5.2.3 直方图统计 | 第50-51页 |
| 5.3 SVM分类器 | 第51-54页 |
| 5.3.1 SVM基本思想 | 第51页 |
| 5.3.2 构造最优超平面 | 第51-52页 |
| 5.3.3 线性不可分问题 | 第52-54页 |
| 5.4 实验结果与分析 | 第54-57页 |
| 5.4.1 实验结果 | 第54-55页 |
| 5.4.2 分析与讨论 | 第55-57页 |
| 5.5 不同匹配算法对比 | 第57-60页 |
| 5.5.1 检索效果对比 | 第57-60页 |
| 5.5.2 时间复杂度对比 | 第60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第68页 |