基于多个样本特征加权融合的图像检索算法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 图像检索发展概述 | 第15-17页 |
| 1.3 基于内容的图像检索 | 第17-18页 |
| 1.3.1 基于底层视觉特征的图像检索 | 第17-18页 |
| 1.3.2 基于卷积特征的图像检索 | 第18页 |
| 1.4 国内外研究现状 | 第18-19页 |
| 1.5 本文研究内容的组织架构 | 第19-21页 |
| 第二章 图像特征描述 | 第21-38页 |
| 2.1 神经网络基础 | 第21-23页 |
| 2.2 卷积神经网络 | 第23-31页 |
| 2.2.1 局部感知 | 第24-26页 |
| 2.2.2 参数共享 | 第26-27页 |
| 2.2.3 多核卷积 | 第27-28页 |
| 2.2.4 池化 | 第28-29页 |
| 2.2.5 卷积神经网络结构 | 第29-31页 |
| 2.3 尺度不变特征转换 | 第31-37页 |
| 2.3.1 尺度不变特征转换算法 | 第31页 |
| 2.3.2 构建尺度空间 | 第31-33页 |
| 2.3.3 尺度空间中查找关键点 | 第33-35页 |
| 2.3.4 确定关键点方向 | 第35-36页 |
| 2.3.5 生成特征描述子 | 第36-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于多个样本特征融合的图像检索 | 第38-50页 |
| 3.1 检索需要的基础机器算法 | 第38-43页 |
| 3.1.1 图像相似性度量 | 第38-39页 |
| 3.1.2 最近邻算法 | 第39-40页 |
| 3.1.3 主成分分析 | 第40-41页 |
| 3.1.4 原型聚类算法 | 第41-42页 |
| 3.1.5 评价指标 | 第42-43页 |
| 3.2 视觉特征提取 | 第43-45页 |
| 3.3 特征加权算法 | 第45-48页 |
| 3.4 检索结果排序 | 第48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 实验与结果分析 | 第50-57页 |
| 4.1 实验数据 | 第50-51页 |
| 4.2 对比实验设计 | 第51-53页 |
| 4.3 实验结果与分析 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57-58页 |
| 5.2 研究工作展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-65页 |
