| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-19页 |
| 1.2.1 词汇包方法 | 第13-16页 |
| 1.2.2 处理量化问题 | 第16-17页 |
| 1.2.3 大规模描述向量的精确匹配 | 第17-19页 |
| 1.3 面临的挑战 | 第19-20页 |
| 1.4 研究内容 | 第20-21页 |
| 1.5 论文结构安排 | 第21-23页 |
| 第2章 相关理论 | 第23-34页 |
| 2.1 典型局部不变特征提取 | 第23-27页 |
| 2.1.1 局部不变特征检测 | 第23-25页 |
| 2.1.2 局部不变特征描述 | 第25-26页 |
| 2.1.3 尺度不变特征变换（SIFT） | 第26-27页 |
| 2.2 RSOM聚类树的原理及训练 | 第27-30页 |
| 2.3 量化积算法（Product Quantization，PQ） | 第30-33页 |
| 2.3.1 向量量化 | 第30-31页 |
| 2.3.2 量化器积 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于RSOM积的量化压缩 | 第34-54页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基于RSOM积的SIFT特征聚类 | 第35-43页 |
| 3.2.1 特征选择 | 第36-37页 |
| 3.2.2 特征分割 | 第37-38页 |
| 3.2.3 聚类模型选择 | 第38-39页 |
| 3.2.4 聚类模型的构建 | 第39-41页 |
| 3.2.5 模型可行性检测 | 第41-42页 |
| 3.2.6 sub-SIFT的量化编码 | 第42-43页 |
| 3.3 基于RSOM积的图像识别 | 第43-49页 |
| 3.3.1 查询样本的量化搜索 | 第44-46页 |
| 3.3.2 倒排索引 | 第46-47页 |
| 3.3.3 128维SIFT重构与识别 | 第47-49页 |
| 3.4 量化编码实验设计 | 第49-53页 |
| 3.4.1 数据集 | 第49-50页 |
| 3.4.2 评价指标 | 第50页 |
| 3.4.3 实验结果 | 第50-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 基于SPGC和CSHG的大规模图像检索系统设计 | 第54-70页 |
| 4.1 引言 | 第54-56页 |
| 4.2 相似性传播 | 第56-59页 |
| 4.3 类相关超图（CSHG）建模 | 第59-61页 |
| 4.3.1 对象检索 | 第60-61页 |
| 4.3.2 增量索引 | 第61页 |
| 4.4 检索系统构建 | 第61-69页 |
| 4.4.1 图像数据集 | 第62-63页 |
| 4.4.2 数据库训练模块 | 第63-66页 |
| 4.4.3 图像检索识别 | 第66-67页 |
| 4.4.4 性能测试 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 作者在学期间取得的学术成果 | 第78页 |