基于局部特征点的商标图像检索方法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-18页 |
| ·课题的研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·论文研究成果与内容安排 | 第16-18页 |
| 第二章 图像局部不变性特征 | 第18-28页 |
| ·图像局部特征概述 | 第18-19页 |
| ·Sift特征向量的提取步骤 | 第19-27页 |
| ·检测尺度空间的极值点 | 第19-22页 |
| ·精确定位Sift特征点 | 第22-25页 |
| ·Sift特征点的方向分配 | 第25-26页 |
| ·Sift特征点的特征描述 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于聚类的简化Sift特征提取方法 | 第28-37页 |
| ·Sift局部特征算子的多量性问题 | 第28页 |
| ·k-means聚类算法 | 第28-30页 |
| ·基于k-means的简化Sift特征提取方法 | 第30-31页 |
| ·实验结果与分析 | 第31-36页 |
| ·实验设计 | 第31-32页 |
| ·性能评价准则 | 第32-33页 |
| ·实验结果与分析 | 第33-35页 |
| ·簇数目k的取值分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 一种改进的KD-tree特征匹配方法 | 第37-54页 |
| ·图像特征点匹配方法 | 第37页 |
| ·KD-tree | 第37-41页 |
| ·KD-tree的构建 | 第38-39页 |
| ·基于KD-tree空间的数据搜索 | 第39-41页 |
| ·BBF查询算法 | 第41-43页 |
| ·基于PCA技术的KD-tree构造及查询 | 第43-49页 |
| ·计算样本数据点各维对主成分的贡献率 | 第43-46页 |
| ·基于PCA技术的KD-tree构造 | 第46页 |
| ·比值提纯法 | 第46-48页 |
| ·基于PCA技术的KD-tree构建及查询算法 | 第48-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·实验设计 | 第49-50页 |
| ·实验结果与分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于Sift和角点的商标图像检索算法 | 第54-64页 |
| ·基于Sift特征描述子的商标图像检索 | 第54页 |
| ·Harris角点 | 第54-57页 |
| ·多尺度Harris角点 | 第57-58页 |
| ·基于Sift和角点特征的商标检索算法 | 第58-59页 |
| ·实验结果与分析 | 第59-63页 |
| ·实验设计 | 第59-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·w_s的取值分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 基于局部特征点的商标图像检索系统设计 | 第64-68页 |
| ·检索系统的框架结构 | 第64-66页 |
| ·检索系统的实现 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-71页 |
| ·总结 | 第68-69页 |
| ·工作展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士期间发表（录用）的论文和参加的科研项目 | 第77-78页 |
| 致谢 | 第78页 |
