摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第一章 绪论 | 第12-34页 |
1.1 研究背景与意义 | 第12-14页 |
1.1.1 数据存储面临的挑战 | 第12页 |
1.1.2 数据消冗的必要性及其相关技术 | 第12-13页 |
1.1.3 图像消冗的研究意义 | 第13-14页 |
1.2 研究现状 | 第14-28页 |
1.2.1 重复图像发现 | 第14-28页 |
1.2.2 重复图像删除 | 第28页 |
1.3 当前研究面临的主要挑战 | 第28-29页 |
1.3.1 精确性 | 第28页 |
1.3.2 质心图像选择 | 第28-29页 |
1.4 论文内容和结构 | 第29-33页 |
1.4.1 相关定义 | 第29-30页 |
1.4.2 论文内容 | 第30-32页 |
1.4.3 论文结构 | 第32-33页 |
1.5 课题来源 | 第33-34页 |
第二章 基于多重过滤的简单重复图像发现 | 第34-47页 |
2.1 引言 | 第34-35页 |
2.2 简单重复图像特点分析 | 第35-37页 |
2.2.1 图像灰度信息分析 | 第35-36页 |
2.2.2 图像边缘信息分析 | 第36-37页 |
2.3 多重过滤实现 | 第37-40页 |
2.3.1 感知哈希过滤 | 第37-39页 |
2.3.2 块平均灰度特征过滤 | 第39页 |
2.3.3 Haar小波过滤 | 第39-40页 |
2.3.4 算法小结 | 第40页 |
2.4 性能评估 | 第40-46页 |
2.4.1 多重过滤效果分析 | 第40-42页 |
2.4.2 实验验证 | 第42-45页 |
2.4.3 算法对比 | 第45-46页 |
2.5 小结 | 第46-47页 |
第三章 基于局部描述子学习的复杂重复图像表示 | 第47-57页 |
3.1 引言 | 第47-49页 |
3.2 局部描述子的半监督学习 | 第49-52页 |
3.2.1 标记矩阵和分类矩阵的构造 | 第50-51页 |
3.2.2 求解目标函数 | 第51-52页 |
3.2.3 图像表示 | 第52页 |
3.3 实验验证 | 第52-56页 |
3.3.1 实验建立 | 第53-54页 |
3.3.2 参数选取 | 第54-55页 |
3.3.3 检索精度对比 | 第55-56页 |
3.4 小结 | 第56-57页 |
第四章 基于二维云模型校验的复杂重复图像发现 | 第57-70页 |
4.1 引言 | 第57-59页 |
4.2 算法描述 | 第59-64页 |
4.2.1 汉明嵌入 | 第60-61页 |
4.2.2 二维云模型过滤 | 第61-64页 |
4.2.3 图像排序 | 第64页 |
4.3 实验评价 | 第64-68页 |
4.3.1 实验建立 | 第65页 |
4.3.2 准确率 | 第65-67页 |
4.3.3 检索性能 | 第67-68页 |
4.3.4 实验小结 | 第68页 |
4.4 小结 | 第68-70页 |
第五章 基于模糊逻辑推理的质心图像选择 | 第70-81页 |
5.1 引言 | 第70-72页 |
5.2 提出的方法 | 第72-77页 |
5.2.1 模糊化 | 第72-73页 |
5.2.2 规则库 | 第73-76页 |
5.2.3 推理引擎 | 第76-77页 |
5.2.4 解模糊 | 第77页 |
5.3 质心图像的选择验证 | 第77-80页 |
5.3.1 简单重复图像集合的质心图像选择 | 第77-78页 |
5.3.2 复杂重复图像集合的质心图像选择 | 第78-80页 |
5.4 小结 | 第80-81页 |
第六章 基于Hadoop集群的大规模重复图像消冗研究 | 第81-96页 |
6.1 引言 | 第81-82页 |
6.2 针对简单重复图像的在线消冗设计 | 第82-90页 |
6.2.1 方案设计 | 第83-88页 |
6.2.2 系统原型验证 | 第88-90页 |
6.3 针对复杂重复图像的离线消冗设计 | 第90-95页 |
6.3.1 方案设计 | 第91-94页 |
6.3.2 系统原型验证 | 第94-95页 |
6.4 小结 | 第95-96页 |
第七章 总结与展望 | 第96-99页 |
7.1 工作总结 | 第96-97页 |
7.2 工作展望 | 第97-99页 |
参考文献 | 第99-108页 |
致谢 | 第108-109页 |
攻读博士学位期间发表论文 | 第109-111页 |
攻读博士学位期间参加的科研项目 | 第111页 |