| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究内容与创新性 | 第10页 |
| 1.4 本文的组织结构 | 第10-12页 |
| 第二章 图像购物搜索技术研究概述 | 第12-17页 |
| 2.1 基于文本的图像搜索技术 | 第12页 |
| 2.2 基于内容的图像搜索技术 | 第12-13页 |
| 2.3 图像购物搜索网站 | 第13-16页 |
| 2.3.1 淘淘搜 | 第13-14页 |
| 2.3.2 最美搜衣 | 第14页 |
| 2.3.3 Google Shopping | 第14页 |
| 2.3.4 Ebay | 第14-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 图像特征提取算法研究 | 第17-26页 |
| 3.1 图像特征提取层次模型 | 第17页 |
| 3.2 基于全局特征的图像搜索 | 第17-18页 |
| 3.3 基于局部特征的图像搜索 | 第18-25页 |
| 3.3.1 SIFT特征 | 第18-22页 |
| 3.3.1.1 尺度空间极值检测 | 第18-20页 |
| 3.3.1.2 关键点定位 | 第20-21页 |
| 3.3.1.3 方向确定 | 第21-22页 |
| 3.3.1.4 关键点描述 | 第22页 |
| 3.3.2 MSER特征 | 第22-25页 |
| 3.3.2.1 MSER特征区域检测 | 第23-24页 |
| 3.3.2.2 MSER特征区域拟合 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 基于词袋模型的图像分类算法 | 第26-33页 |
| 4.1 词袋模型 | 第26-28页 |
| 4.1.1 视觉特征提取 | 第26-27页 |
| 4.1.2 视觉词典生成 | 第27页 |
| 4.1.3 图像分类模型的建立 | 第27-28页 |
| 4.2 支持向量机 | 第28-32页 |
| 4.2.1 线性可分SVM | 第29-31页 |
| 4.2.2 线性不可分SVM | 第31-32页 |
| 4.3 本章小结 | 第32-33页 |
| 第五章 融合多视角的仿射不变特征构造及Bo W改进 | 第33-49页 |
| 5.1 融合多视角的仿射不变特征 | 第33-40页 |
| 5.1.1 模拟视角变换 | 第34-35页 |
| 5.1.2 仿射不变区域检测 | 第35-37页 |
| 5.1.3 特征提取与融合 | 第37-40页 |
| 5.2 视觉词典构造与视觉特征量化 | 第40-43页 |
| 5.2.1 视觉词典构造 | 第40-42页 |
| 5.2.2 视觉特征量化 | 第42-43页 |
| 5.3 商品图像检索系统框架 | 第43-44页 |
| 5.4 实验结果与分析 | 第44-48页 |
| 5.4.1 实验数据集 | 第44-45页 |
| 5.4.2 性能评价指标 | 第45-46页 |
| 5.4.3 实验结果与分析 | 第46-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士期间所发表的论文 | 第54-55页 |
| 后记 | 第55页 |