二值化图像特征及其应用
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-14页 |
| 1 绪论 | 第14-22页 |
| ·研究的背景及意义 | 第14-15页 |
| ·值化图像特征 | 第15-17页 |
| ·利用哈希算法对已有图像特征进行二值化 | 第15-16页 |
| ·直接提取图像二元特征 | 第16-17页 |
| ·相关应用 | 第17页 |
| ·本文的研究内容 | 第17-22页 |
| ·基于半监督学习哈希算法的特征二值化 | 第18页 |
| ·基于卷积树变换二元特征的快速关键点识别 | 第18-19页 |
| ·基于随机映射二元特征的视频拷贝检测 | 第19-22页 |
| 2 基于半监督学习哈希算法的特征二值化 | 第22-46页 |
| ·基于学习的哈希算法 | 第23-26页 |
| ·无监督学习的哈希算法 | 第23-24页 |
| ·半监督学习的哈希算法 | 第24-25页 |
| ·半监督学习的线性哈希算法 | 第25-26页 |
| ·增强法顺序映射学习 | 第26页 |
| ·半监督学习的非线性哈希 | 第26-28页 |
| ·自助法序列映射学习 | 第28-32页 |
| ·哈希累积错误 | 第28-29页 |
| ·自助法序列映射学习 | 第29-32页 |
| ·复杂度分析 | 第32-34页 |
| ·实验结果 | 第34-45页 |
| ·数据集及实验设置 | 第34-37页 |
| ·衡量标准 | 第37-38页 |
| ·参数选择 | 第38-40页 |
| ·实验结果 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 3 基于卷积树变换二元特征的快速关键点识别 | 第46-63页 |
| ·基于二元特征搜索的快速关键点识别框架 | 第47-49页 |
| ·卷积树变换二元特征 | 第49-52页 |
| ·树变换 | 第49-50页 |
| ·树变换二元特征 | 第50页 |
| ·卷积树变换二元特征 | 第50-52页 |
| ·实验结果 | 第52-61页 |
| ·比较的方法及实验设置 | 第52-53页 |
| ·在合成数据上的衡量 | 第53-57页 |
| ·Oxford数据集上的衡量 | 第57-61页 |
| ·在视频上的衡量 | 第61页 |
| ·本章小结 | 第61-63页 |
| 4 基于随机映射二元特征的视频拷贝检测 | 第63-78页 |
| ·基于内容的拷贝检测相关工作 | 第63-65页 |
| ·利用随机映射二元特征进行视频拷贝检测 | 第65-71页 |
| ·方法综述 | 第65页 |
| ·预处理 | 第65-68页 |
| ·特征提取 | 第68-69页 |
| ·基于关键帧拷贝检索 | 第69-70页 |
| ·视频拷贝检测和定位 | 第70-71页 |
| ·实验结果 | 第71-76页 |
| ·PIP检测结果 | 第71-72页 |
| ·特征比较 | 第72-74页 |
| ·TRECVID2011 CCD任务结果 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 5 总结和展望 | 第78-80页 |
| ·总结 | 第78页 |
| ·展望 | 第78-80页 |
| 参考文献 | 第80-89页 |
| 攻读硕士学位期间主要研究成果 | 第89页 |
