| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 基于内容的图像检索技术研究现状 | 第9-11页 |
| 1.3 本文的主要工作及章节安排 | 第11-12页 |
| 2 相关理论基础 | 第12-27页 |
| 2.1 基于内容的图像检索技术 | 第12-19页 |
| 2.1.1 图像特征提取 | 第12-17页 |
| 2.1.2 相似性度量 | 第17-18页 |
| 2.1.3 性能评价标准 | 第18-19页 |
| 2.2 PCA算法 | 第19-22页 |
| 2.3 BP神经网络 | 第22-26页 |
| 2.3.1 BP神经网络算法 | 第22-24页 |
| 2.3.2 BP神经网络结构设计 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于HSV颜色空间和SIFT特征实现的图像检索 | 第27-41页 |
| 3.1 基于颜色和SIFT特征的融合算法 | 第27-33页 |
| 3.1.1 HSV颜色直方图 | 第27-28页 |
| 3.1.2 SIFT特征 | 第28-31页 |
| 3.1.3 相似匹配计算 | 第31-32页 |
| 3.1.4 融合算法原理 | 第32-33页 |
| 3.2 改进的基于颜色和SIFT特征的融合算法 | 第33-35页 |
| 3.2.1 基于分块颜色直方图特征提取 | 第33-34页 |
| 3.2.2 SIFT特征匹配 | 第34-35页 |
| 3.3 融合算法的图像检索实验 | 第35-40页 |
| 3.3.1 图像检索系统设计 | 第35-36页 |
| 3.3.2 实验数据 | 第36-37页 |
| 3.3.3 实验结果与分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于SIFT降维和BP神经网络的图像检索 | 第41-52页 |
| 4.1 基于PCA的SIFT特征提取降维算法 | 第41-44页 |
| 4.1.1 运用PCA对SIFT特征进行降维 | 第41-42页 |
| 4.1.2 仿真验证 | 第42-44页 |
| 4.2 基于SIFT降维和BP网络的图像检索 | 第44-46页 |
| 4.2.1 基于SIFT降维的BP网络设计 | 第44页 |
| 4.2.2 基于SIFT降维和BP神经网络的图像检索算法 | 第44-46页 |
| 4.3 基于SIFT降维和BP网络的图像检索实验 | 第46-51页 |
| 4.3.1 实验数据 | 第46页 |
| 4.3.2 实验步骤 | 第46页 |
| 4.3.3 实验结果与分析 | 第46-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52-53页 |
| 5.2 研究展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |