| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 图像检索研究的意义以及背景 | 第10页 |
| 1.2 图像检索介绍 | 第10-14页 |
| 1.3 论文主要工作 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 传统的基于BOW特征的图像检索 | 第16-26页 |
| 2.1 图像特征的提取 | 第16-23页 |
| 2.1.1 尺度空间的构建 | 第16-18页 |
| 2.1.2 检测DOG尺度空间的极值点 | 第18-19页 |
| 2.1.3 对特征点过滤并精确定位特征点 | 第19-21页 |
| 2.1.4 定向 | 第21-22页 |
| 2.1.5 关键点描述子的生成 | 第22-23页 |
| 2.2 对特征库进行聚类 | 第23-24页 |
| 2.3 建立词袋特征 | 第24-26页 |
| 第3章 GMM-VLAD图像全局表达特征算法 | 第26-37页 |
| 3.1 传统的VLAD算法 | 第26-29页 |
| 3.2 VLAD的缺陷 | 第29页 |
| 3.3 GMM-VLAD全局表达特征 | 第29-37页 |
| 3.3.1 Gaussian混合模型 | 第29-33页 |
| 3.3.2 建立图像的GMM-VLAD全局表达特征 | 第33-36页 |
| 3.3.3 对GMM-VLAD进行线性降维 | 第36-37页 |
| 第4章 检索框架 | 第37-44页 |
| 4.1 特征之间的相似性度量及最近邻查找 | 第37-41页 |
| 4.2 全局特征库的预聚类 | 第41页 |
| 4.3 图像检索基本流程 | 第41-42页 |
| 4.4 图像检索评价 | 第42-44页 |
| 第5章 实验结果 | 第44-52页 |
| 5.1 实验数据库与实验环境 | 第44-46页 |
| 5.2 测试结果呈现 | 第46-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |