| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 特征提取研究现状 | 第13-14页 |
| 1.2.2 基于内容的检索研究现状 | 第14-16页 |
| 1.2.3 聚类算法研究现状 | 第16-19页 |
| 1.3 主要研究内容 | 第19页 |
| 1.4 论文组织安排 | 第19-21页 |
| 2 图像特征提取 | 第21-65页 |
| 2.1 全局特征 | 第21-36页 |
| 2.1.1 颜色特征 | 第21-23页 |
| 2.1.2 纹理特征 | 第23-28页 |
| 2.1.3 形状特征 | 第28-30页 |
| 2.1.4 HOG特征 | 第30-34页 |
| 2.1.5 GIST特征 | 第34-36页 |
| 2.2 局部特征 | 第36-53页 |
| 2.2.1 SIFT特征 | 第37-46页 |
| 2.2.2 SURF特征 | 第46-53页 |
| 2.3 词袋模型 | 第53-56页 |
| 2.3.1 词袋模型(BoW,Bag of Words) | 第53-54页 |
| 2.3.2 视觉领域中的词袋模型(BoVW,Bag of Visual Words) | 第54-55页 |
| 2.3.3 基于空间金字塔匹配的词袋模型 | 第55-56页 |
| 2.4 改进特征 | 第56-61页 |
| 2.4.1 分块颜色直方图和分块LBP特征 | 第56-58页 |
| 2.4.2 Color-SIFT特征 | 第58-59页 |
| 2.4.3 Dense SIFT和颜色相结合的联合特征 | 第59-61页 |
| 2.5 特征相似性度量 | 第61-64页 |
| 2.5.1 相似度系数 | 第61-62页 |
| 2.5.2 距离函数 | 第62-64页 |
| 2.6 本章小结 | 第64-65页 |
| 3 聚类分析 | 第65-79页 |
| 3.1 经典聚类算法 | 第66-71页 |
| 3.1.1 K均值聚类算法 | 第66-67页 |
| 3.1.2 GMM聚类算法 | 第67-68页 |
| 3.1.3 DBSCAN聚类算法 | 第68-70页 |
| 3.1.4 SOM聚类算法 | 第70-71页 |
| 3.2 谱聚类算法 | 第71-73页 |
| 3.3 AP聚类算法 | 第73-74页 |
| 3.4 基于DP的聚类算法 | 第74-76页 |
| 3.5 改进的聚类算法 | 第76-77页 |
| 3.5.1 Mini-Batch K均值 | 第76-77页 |
| 3.5.2 基于高斯核的谱聚类 | 第77页 |
| 3.6 本章小结 | 第77-79页 |
| 4 面向检索的图像聚类平台的设计和实现 | 第79-96页 |
| 4.1 系统设计和实现 | 第79-83页 |
| 4.1.1 系统设计 | 第79-81页 |
| 4.1.2 系统实现 | 第81-83页 |
| 4.2 聚类实验与分析 | 第83-90页 |
| 4.2.1 聚类性能指标 | 第83页 |
| 4.2.2 实验与分析 | 第83-90页 |
| 4.3 检索实验与分析 | 第90-95页 |
| 4.3.1 检索性能指标 | 第90页 |
| 4.3.2 实验与分析 | 第90-95页 |
| 4.4 本章小结 | 第95-96页 |
| 5 总结与展望 | 第96-98页 |
| 5.1 论文总结 | 第96-97页 |
| 5.2 未来展望 | 第97页 |
| 5.3 结束语 | 第97-98页 |
| 参考文献 | 第98-103页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第103-105页 |
| 学位论文数据集 | 第105页 |
