基于形状和纹理特征的图像检索方法研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 2 图像纹理特征的提取 | 第18-32页 |
| 2.1 Gabor特征 | 第18-21页 |
| 2.1.1 Gabor小波的定义 | 第18-19页 |
| 2.1.2 Gabor小波变换 | 第19-20页 |
| 2.1.3 多尺度多方向的Gabor滤波器 | 第20-21页 |
| 2.2 颜色矩 | 第21-22页 |
| 2.3 算法性能衡量标准 | 第22-25页 |
| 2.3.1 Corel-1K数据集 | 第22-24页 |
| 2.3.2 性能评价准则 | 第24-25页 |
| 2.4 基于Gabor颜色矩特征的图像检索 | 第25-26页 |
| 2.5 SIFT特征提取 | 第26-31页 |
| 2.5.1 SIFT特征向量的生成 | 第26-29页 |
| 2.5.2 K-Means聚类SIFT特征点 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 3 图像纹理特征的相似度度量 | 第32-46页 |
| 3.1 归一化与线性融合 | 第32-33页 |
| 3.2 支持向量机 | 第33-37页 |
| 3.2.1 支持向量机的相关概念 | 第33-34页 |
| 3.2.2 最优分类超平面的构建 | 第34-37页 |
| 3.3 核函数 | 第37-39页 |
| 3.3.1 核函数的比较 | 第37-39页 |
| 3.3.2 网格搜索算法 | 第39页 |
| 3.4 多分类支持向量机 | 第39-42页 |
| 3.4.1 多分类问题的直接方法 | 第39-40页 |
| 3.4.2 多分类问题的间接方法 | 第40-41页 |
| 3.4.3 多分类问题下的核函数参数设置 | 第41-42页 |
| 3.5 SVM投票结果辅助判定检索结果 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 图像形状特征的提取与匹配 | 第46-58页 |
| 4.1 色彩空间的转换 | 第46-47页 |
| 4.2 边缘提取 | 第47-52页 |
| 4.3 形状上下文 | 第52-55页 |
| 4.3.1 描述子生成 | 第52-53页 |
| 4.3.2 匈牙利算法解决二分图匹配 | 第53-55页 |
| 4.4 形状上下文用于图像检索 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 多特征融合的图像检索 | 第58-73页 |
| 5.1 系统构建 | 第58-62页 |
| 5.1.1 可行性分析与需求分析 | 第58-59页 |
| 5.1.2 系统环境与参数设置 | 第59-60页 |
| 5.1.3 系统流程图 | 第60-61页 |
| 5.1.4 系统界面 | 第61-62页 |
| 5.2 基于Corel-1K数据集的图像检索 | 第62-65页 |
| 5.2.1 Corel-1K图像的纹理特征检索 | 第62-64页 |
| 5.2.2 Corel-1K图像的形状特征检索 | 第64-65页 |
| 5.3 自建图像数据集的图像检索 | 第65-69页 |
| 5.3.1 自建图像的纹理特征检索 | 第65-67页 |
| 5.3.2 自建图像的形状特征检索 | 第67-69页 |
| 5.4 公开图像数据集中的检索性能 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 未来研究展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
