| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 本文研究的背景及意义 | 第11-12页 |
| 1.2 国内外相关课题的研究动态 | 第12-15页 |
| 1.3 本文工作 | 第15-16页 |
| 1.4 本文的内容与结构安排 | 第16-17页 |
| 第二章 图像检索技术概述 | 第17-29页 |
| 2.1 搜索引擎的通用架构 | 第17-18页 |
| 2.2 图像的计算机视觉特征 | 第18-24页 |
| 2.2.1 颜色特征 | 第19-20页 |
| 2.2.2 纹理特征 | 第20-22页 |
| 2.2.3 形状特征 | 第22-23页 |
| 2.2.4 空间关系特征 | 第23页 |
| 2.2.5 局部特征 | 第23-24页 |
| 2.3 高维数据索引技术 | 第24-26页 |
| 2.3.1 基于树型结构的高维数据索引 | 第25页 |
| 2.3.2 基于聚类的高维数据索引 | 第25页 |
| 2.3.3 基于散列的高维数据索引 | 第25-26页 |
| 2.3.4 基于概率相似的高维数据索引 | 第26页 |
| 2.4 图片相关性的精确判断 | 第26-28页 |
| 2.4.1 RANSAC 技术 | 第26-27页 |
| 2.4.2 多视运动分割技术 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 图像检索系统MOVER 的设计与实现 | 第29-60页 |
| 3.1 系统架构 | 第29-31页 |
| 3.2 图像特征提取模块的设计 | 第31-38页 |
| 3.3 图像特征高维向量索引模块的设计 | 第38-43页 |
| 3.4 图像相关度分析模块的设计 | 第43-46页 |
| 3.5 图库预分类模块的设计 | 第46-49页 |
| 3.5.1 基于SVM 的图像分类方法 | 第46-48页 |
| 3.5.2 基于Bag of Words 的图像分类方法 | 第48-49页 |
| 3.6 图像特征高维向量索引优化模块的设计 | 第49-53页 |
| 3.7 图像特征优化模块的设计 | 第53-55页 |
| 3.7.1 基于PCA 降维的检索方法 | 第53-54页 |
| 3.7.2 基于多特征组合的检索方法 | 第54-55页 |
| 3.8 图像特征高维向量索引改进模块的设计 | 第55-57页 |
| 3.8.1 基于min-Hashing 的检索方法 | 第55-57页 |
| 3.9 图像相关度评价优化模块的设计 | 第57页 |
| 3.10 图像检索子系统运行时实施方案 | 第57-59页 |
| 3.11 本章小结 | 第59-60页 |
| 第四章 仿真实验及其结果分析 | 第60-75页 |
| 4.1 各种变换图片的检索效果分析 | 第60-66页 |
| 4.1.1 亮度变换后的图片检索效果分析 | 第61-63页 |
| 4.1.2 仿射变换后的图片检索效果分析 | 第63-64页 |
| 4.1.3 局部图片的检索效果分析 | 第64-66页 |
| 4.2 图像检索系统的性能分析 | 第66-68页 |
| 4.3 图像检索系统的效能分析 | 第68-70页 |
| 4.4 图像检索系统自动化测试系统的设计与实现 | 第70-72页 |
| 4.4.1 自动化测试系统的设计 | 第70页 |
| 4.4.2 自动化测试实验数据分析 | 第70-72页 |
| 4.5 各种优化方法的实验数据分析 | 第72-73页 |
| 4.5.1 图像特征高维向量索引优化模块的实验数据分析 | 第72-73页 |
| 4.6 本章小结 | 第73-75页 |
| 第五章 结束语 | 第75-77页 |
| 5.1 本文工作 | 第75-76页 |
| 5.2 未来展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间已发表或录用的论文 | 第81-82页 |
| 挑战杯MOVER 检索系统部分效果截图（附录1） | 第82-83页 |
