| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-40页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 海量图像检索技术发展现状 | 第15-34页 |
| 1.2.1 图像局部特征提取与描述 | 第15-19页 |
| 1.2.2 特征编码技术 | 第19-29页 |
| 1.2.3 最近邻搜索技术 | 第29-34页 |
| 1.3 移动视觉检索技术 | 第34-36页 |
| 1.3.1 纯客户端搜索模式 | 第35-36页 |
| 1.3.2 客户端/服务器搜索模式 | 第36页 |
| 1.4 本文的内容与结构 | 第36-40页 |
| 1.4.1 本文研究内容 | 第36-38页 |
| 1.4.2 论文结构 | 第38-40页 |
| 第2章 词袋模型快速码书训练及重排序方法研究 | 第40-58页 |
| 2.1 词袋模型算法中的不足 | 第40-41页 |
| 2.2 分布式聚类的词汇树算法 | 第41-47页 |
| 2.2.1 词汇树算法简介 | 第41-43页 |
| 2.2.2 分布式系统结构设计 | 第43-45页 |
| 2.2.3 分布式聚类算法流程 | 第45-47页 |
| 2.3 快速几何后校验算法 | 第47-52页 |
| 2.3.1 基于量化路径的匹配点集筛选 | 第48-49页 |
| 2.3.2 快速几何一致打分 | 第49-51页 |
| 2.3.3 特征角度/尺度信息一致性打分 | 第51-52页 |
| 2.4 本节实验 | 第52-57页 |
| 2.4.1 实验配置 | 第52页 |
| 2.4.2 测试数据库 | 第52-53页 |
| 2.4.3 分布式算法执行效率 | 第53页 |
| 2.4.4 时间以及内存占用 | 第53-56页 |
| 2.4.5 检索精度 | 第56-57页 |
| 2.5 本章小结 | 第57-58页 |
| 第3章 基于上下文信息的VLAD图像检索方法 | 第58-93页 |
| 3.1 特征点上下文信息 | 第58-61页 |
| 3.2 融合重力信息的角度编码方法 | 第61-65页 |
| 3.2.1 重力自适应的特征主方向 | 第61-63页 |
| 3.2.2 角度量化（Oriented Coding） | 第63-65页 |
| 3.2.3 基于角度信息的特征编码方法 | 第65页 |
| 3.3 基于尺度信息的特征集聚方法 | 第65-70页 |
| 3.3.1 候选匹配特征点筛选 | 第66-68页 |
| 3.3.2 尺度变化计算 | 第68-69页 |
| 3.3.3 尺度分区集聚 | 第69-70页 |
| 3.4 角度乘积量化（ORIENTED PQ）和变长子空间乘积量化(VPQ) | 第70-80页 |
| 3.4.1 角度乘积量化（Oriented PQ） | 第71-73页 |
| 3.4.2 变长子空间乘积量化（Variable Product Quantization） | 第73-80页 |
| 3.5 实验数据和分析 | 第80-92页 |
| 3.5.1 测试数据库 | 第80-81页 |
| 3.5.2 参数设定 | 第81-82页 |
| 3.5.3 融合重力信息的角度编码方法 | 第82-85页 |
| 3.5.4 尺度集聚算法 | 第85-86页 |
| 3.5.5 特征降维 | 第86-87页 |
| 3.5.6 角度乘积量化（Oriented PQ） | 第87-89页 |
| 3.5.7 变长子空间乘积量化（VPQ） | 第89-91页 |
| 3.5.8 其它检索算法框架相结合 | 第91-92页 |
| 3.6 本章小结 | 第92-93页 |
| 第4章 稀疏编码框架特征集聚算法概率解释及应用 | 第93-114页 |
| 4.1 稀疏编码算法 | 第93-94页 |
| 4.1.1 特征编码 | 第93-94页 |
| 4.1.2 特征集聚 | 第94页 |
| 4.2 特征采样方法及选择 | 第94-97页 |
| 4.2.1 稠密采样与稀疏采样 | 第94-96页 |
| 4.2.2 特征采样方法选择 | 第96-97页 |
| 4.3 特征集聚算法概率解释模型 | 第97-101页 |
| 4.3.1 最大值集聚 | 第99页 |
| 4.3.2 求和/均值集聚 | 第99-100页 |
| 4.3.3 集聚算法影响分析 | 第100-101页 |
| 4.4 优化求和集聚算法 | 第101-104页 |
| 4.4.1 峰值抑制 | 第101-103页 |
| 4.4.2 随机误差剔除 | 第103-104页 |
| 4.5 多特征融合 | 第104-106页 |
| 4.5.1 多特征提取 | 第105页 |
| 4.5.2 特征编码及集聚 | 第105-106页 |
| 4.6 参数选择与实验 | 第106-113页 |
| 4.6.1 测试数据库 | 第106-107页 |
| 4.6.2 采样方法对检索精度的影响 | 第107-110页 |
| 4.6.3 优化的求和集聚算法性能 | 第110-111页 |
| 4.6.4 多特征融合性能 | 第111-113页 |
| 4.7 本章小结 | 第113-114页 |
| 第5章 移动视觉检索系统 | 第114-125页 |
| 5.1 移动视觉检索简介 | 第114-115页 |
| 5.2 传统移动视觉检索技术架构 | 第115页 |
| 5.3 面向城市级位置服务的移动视觉检索系统 | 第115-124页 |
| 5.3.1 服务器端 | 第116-119页 |
| 5.3.2 移动客户端 | 第119-121页 |
| 5.3.3 实验及参数设定 | 第121-124页 |
| 5.4 本章小结 | 第124-125页 |
| 第6章 总结和展望 | 第125-127页 |
| 6.1 本文总结 | 第125-126页 |
| 6.2 展望 | 第126-127页 |
| 参考文献 | 第127-138页 |
| 攻读博士学位期间发表论文与研究成果清单 | 第138-140页 |
| 致谢 | 第140-142页 |
| 作者简介 | 第142页 |
