基于SIFT特征的图像相似性检索技术研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-12页 |
| ·研究现状与应用领域 | 第12-14页 |
| ·研究现状 | 第12-13页 |
| ·应用领域 | 第13-14页 |
| ·研究内容 | 第14页 |
| ·本文的结构安排 | 第14-16页 |
| 第2章 SIFT特征向量提取 | 第16-27页 |
| ·图像特征选取标准 | 第16-17页 |
| ·图像的多尺度表示 | 第17-20页 |
| ·图像金字塔模型 | 第18-19页 |
| ·高斯金字塔 | 第19页 |
| ·高斯滤波 | 第19-20页 |
| ·SIFT特征提取算法 | 第20-26页 |
| ·高斯差分DoG滤波 | 第20-21页 |
| ·尺度空间的极值检测 | 第21-23页 |
| ·关键点的位置确定 | 第23-24页 |
| ·关键点的方向参数 | 第24-25页 |
| ·SIFT特征向量描述 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 近邻搜索算法分析 | 第27-36页 |
| ·特征近邻搜索概述 | 第27-30页 |
| ·向量间的距离度量 | 第27-28页 |
| ·近邻算法介绍 | 第28-29页 |
| ·K最近邻搜索 | 第29-30页 |
| ·KD树结构介绍 | 第30-34页 |
| ·KD树简介 | 第30-31页 |
| ·KD树构造 | 第31-33页 |
| ·KD树近邻搜索 | 第33-34页 |
| ·近邻搜索实验 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 视觉词汇树设计与构建 | 第36-47页 |
| ·聚类概述 | 第36-37页 |
| ·聚类算法简介 | 第37-40页 |
| ·层次聚类算法 | 第37-38页 |
| ·划分式聚类算法 | 第38-39页 |
| ·基于网格和密度的聚类算法 | 第39-40页 |
| ·其他聚类算法 | 第40页 |
| ·视觉词汇树构建 | 第40-46页 |
| ·视觉词汇树概述 | 第41-42页 |
| ·视觉词汇树构造 | 第42-43页 |
| ·特征转换为向量表示 | 第43-45页 |
| ·查询图片的向量表示 | 第45页 |
| ·词汇树性能测试 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 实验结果及分析 | 第47-58页 |
| ·检索性能指标和评价准则 | 第47-48页 |
| ·图像相似性度量方法 | 第48-49页 |
| ·传统方法 | 第48页 |
| ·本文方法 | 第48-49页 |
| ·系统流程 | 第49页 |
| ·实验内容 | 第49-57页 |
| ·特征不变性实验 | 第50-52页 |
| ·基于原始SIFT特征的图像检索 | 第52-54页 |
| ·基于视觉词汇树的图像检索实验 | 第54-56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-61页 |
| ·总结与特色 | 第58-59页 |
| ·工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
