| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 论文研究背景与意义 | 第10-11页 |
| 1.2 论文研究内容 | 第11-12页 |
| 1.3 论文组织结构 | 第12-13页 |
| 第二章 相关技术调研 | 第13-24页 |
| 2.1 数字图像 | 第13-14页 |
| 2.1.1 数字图像的概念 | 第13页 |
| 2.1.2 数字图像的类型 | 第13页 |
| 2.1.3 灰度图像转换 | 第13-14页 |
| 2.2 近似重复图像检测 | 第14-17页 |
| 2.2.1 图像特征提取 | 第14-16页 |
| 2.2.2 相似性度量 | 第16页 |
| 2.2.3 检测结果评价 | 第16-17页 |
| 2.3 图像质量评价 | 第17-21页 |
| 2.3.1 全参考评价方法 | 第17-18页 |
| 2.3.2 半参考评价方法 | 第18-19页 |
| 2.3.3 无参考评价方法 | 第19-21页 |
| 2.4 人工神经网络 | 第21-23页 |
| 2.4.1 前馈人工神经网络 | 第21-22页 |
| 2.4.2 反向传播算法 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 基于SIFT和BP神经网络的古村落图像筛选模型 | 第24-41页 |
| 3.1 古村落图像筛选模型概述 | 第24-25页 |
| 3.2 基于SIFT和分块颜色直方图的近似重复图像筛选 | 第25-34页 |
| 3.2.1 SIFT特征 | 第25-30页 |
| 3.2.2 分块颜色直方图 | 第30-32页 |
| 3.2.3 NIQE质量评分 | 第32-34页 |
| 3.3 基于图像质量指标的筛选 | 第34-39页 |
| 3.3.1 图像模糊度 | 第35-36页 |
| 3.3.2 图像噪声估计 | 第36-37页 |
| 3.3.3 图像自身属性 | 第37-38页 |
| 3.3.4 使用BP神经网络分类 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 古村落图像筛选模型的应用 | 第41-51页 |
| 4.1 应用项目概述 | 第41页 |
| 4.2 系统设计方案 | 第41-47页 |
| 4.2.1 系统架构设计 | 第41-43页 |
| 4.2.2 系统功能模块 | 第43页 |
| 4.2.3 数据库设计 | 第43-47页 |
| 4.3 系统实现 | 第47-50页 |
| 4.3.1 系统开发环境 | 第47页 |
| 4.3.2 核心功能模块实现 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 模型系统的测试 | 第51-57页 |
| 5.1 系统界面展示 | 第51-53页 |
| 5.2 测试与分析 | 第53-56页 |
| 5.3 本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 研究工作总结 | 第57页 |
| 研究工作展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附表 | 第66页 |