| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 图像检索概述 | 第13-14页 |
| 1.3 基于内容的图像检索研究现状 | 第14-18页 |
| 1.3.1 图像特征提取研究现状 | 第14-16页 |
| 1.3.2 高维特征向量索引研究现状 | 第16-18页 |
| 1.4 研究内容及论文结构 | 第18-19页 |
| 第二章 基于BoW和SVM的图像检索算法研究 | 第19-33页 |
| 2.1 算法概述 | 第19-20页 |
| 2.2 图像局部特征提取 | 第20-24页 |
| 2.2.1 SIFT特征简介 | 第21-22页 |
| 2.2.2 SURF特征简介 | 第22-24页 |
| 2.3 视觉词典构造 | 第24-25页 |
| 2.4 支持向量机 | 第25-27页 |
| 2.5 算法测试结果及分析 | 第27-32页 |
| 2.5.1 评价标准和数据库 | 第27-29页 |
| 2.5.2 测试结果及分析 | 第29-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于词汇树的图像检索算法研究 | 第33-55页 |
| 3.1 算法概述 | 第33页 |
| 3.2 算法原理介绍 | 第33-37页 |
| 3.2.1 词汇树构建 | 第33-34页 |
| 3.2.2 词频向量 | 第34-35页 |
| 3.2.3 相似度计算和倒排索引 | 第35-37页 |
| 3.3 词汇树算法在大规模图像检索应用的两个问题研究 | 第37-39页 |
| 3.3.1 排序算法 | 第37-38页 |
| 3.3.2 内存管理 | 第38-39页 |
| 3.4 词汇树算法检索结果重新排序 | 第39-44页 |
| 3.4.1 特征匹配算法 | 第40-42页 |
| 3.4.2 RANSAC算法 | 第42-44页 |
| 3.5 算法测试结果及分析 | 第44-54页 |
| 3.5.1 算法性能测试 | 第45-50页 |
| 3.5.2 采用KD-tree对候选图像重新排序的测试 | 第50-53页 |
| 3.5.3 词汇树算法在大规模数据库上的性能测试 | 第53-54页 |
| 3.6 本章小结 | 第54-55页 |
| 第四章 智慧城市街景图像检索原型系统 | 第55-65页 |
| 4.1 图像检索系统简介 | 第55-56页 |
| 4.2 街景图像检索原型系统设计和实现 | 第56-60页 |
| 4.2.1 数据库介绍 | 第56页 |
| 4.2.2 系统功能和设计 | 第56-60页 |
| 4.3 原型系统测试 | 第60-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 总结和展望 | 第65-67页 |
| 5.1 本文工作总结 | 第65页 |
| 5.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简介 | 第73-74页 |