基于内容的高分遥感影像检索
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.2.1 图像表达 | 第13-15页 |
| 1.2.2 特征量化 | 第15-17页 |
| 1.3 现有方法的不足 | 第17页 |
| 1.4 论文创新点 | 第17-18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 第二章 基于局部结构学习的图像表达算法 | 第19-35页 |
| 2.1 传统的图像表达算法 | 第19-24页 |
| 2.1.1 词包模型 | 第19-21页 |
| 2.1.2 费舍尔向量 | 第21-23页 |
| 2.1.3 局部聚合描述符 | 第23-24页 |
| 2.2 局部结构学习的图像表达算法 | 第24-28页 |
| 2.2.1 算法框架 | 第24-25页 |
| 2.2.2 学习模型与目标函数 | 第25-27页 |
| 2.2.3 模型求解流程 | 第27-28页 |
| 2.3 实验 | 第28-35页 |
| 2.3.1 数据库介绍 | 第29页 |
| 2.3.2 评价标准介绍 | 第29-30页 |
| 2.3.3 实验结果和分析 | 第30-35页 |
| 第三章 基于形变K-means量化的向量压缩算法 | 第35-47页 |
| 3.1 经典的向量压缩算法 | 第35-40页 |
| 3.1.1 迭代量化 | 第35-37页 |
| 3.1.2 K-means哈希 | 第37-39页 |
| 3.1.3 旋转K-means哈希算法 | 第39-40页 |
| 3.2 形变K-means量化算法 | 第40-44页 |
| 3.2.1 对现有模型的改进 | 第41-42页 |
| 3.2.2 算法流程及其优化方法 | 第42-44页 |
| 3.3 实验 | 第44-47页 |
| 3.3.1 数据库介绍 | 第44页 |
| 3.3.2 评价标准 | 第44-45页 |
| 3.3.3 实验结果和分析 | 第45-47页 |
| 第四章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第52页 |
