基于SIFT的图像检索技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 基于内容的图像检索国内外现状与存在的问题 | 第11-14页 |
| 1.3 本文主要研究的内容及组织结构 | 第14-16页 |
| 第2章 基于 SIFT 算法的图像特征提取技术 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 基于全局变量的图像特征分析 | 第16-20页 |
| 2.2.1 颜色特征 | 第16-18页 |
| 2.2.2 纹理特征 | 第18-19页 |
| 2.2.3 形状特征 | 第19-20页 |
| 2.3 基于局部变量的 SIFT 图像特征提取 | 第20-27页 |
| 2.3.1 SIFT 算法的基本步骤 | 第20页 |
| 2.3.2 SIFT 算法的基本原理 | 第20-27页 |
| 2.4 SIFT 实验结果与算法评价 | 第27-30页 |
| 2.4.1 实验结果 | 第27-28页 |
| 2.4.2 算法评价 | 第28-30页 |
| 第3章 基于 SIFT 算法的图像特征匹配技术 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 图像特征匹配的相关度量方法 | 第30-33页 |
| 3.2.1 基于距离的度量方法 | 第31-32页 |
| 3.2.2 基于统计的度量方法 | 第32-33页 |
| 3.3 基于 BBF 的搜索算法 | 第33-35页 |
| 3.4 RANSAC 算法 | 第35-39页 |
| 3.5 图像匹配的实验结果与算法评价 | 第39-44页 |
| 第4章 基于改进的空间可视化词典库模型的图像检索 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 Bag-of-Feature 模型 | 第44-49页 |
| 4.2.1 空间相似度 | 第45-46页 |
| 4.2.2 空间聚类 | 第46-47页 |
| 4.2.3 空间可视化词典库的构建 | 第47-49页 |
| 4.3 SVM 支持向量机分类 | 第49-52页 |
| 4.3.1 线性可分的支持向量机 | 第49-52页 |
| 4.3.2 非线性可分的支持向量机 | 第52页 |
| 4.4 图像检索的实验结果与算法评价 | 第52-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68页 |
| 攻读硕士学位期间的科研成果 | 第68页 |
