首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多特征融合与SVM的图像检索研究

摘要第4-5页
ABSTRACT第5-6页
1 绪论第9-19页
    1.1 课题来源第9页
    1.2 课题背景及研究意义第9-11页
    1.3 国内外研究现状第11-17页
        1.3.1 图像检索发展历程第11-12页
        1.3.2 图像特征提取研究现状第12-15页
        1.3.3 基于机器学习的图像检索研究现状第15-16页
        1.3.4 基于内容的图像检索应用领域第16页
        1.3.5 典型的图像检索系统介绍第16-17页
    1.4 论文的主要内容与结构第17-19页
        1.4.1 论文的主要研究内容第17页
        1.4.2 本文的结构安排第17-19页
2 基于内容的图像检索相关技术第19-28页
    2.1 图像特征描述方法第19-24页
        2.1.1 颜色特征第19-21页
        2.1.2 纹理特征第21-23页
        2.1.3 形状特征第23页
        2.1.4 空间位置关系特征第23-24页
    2.2 相似性度量准则第24页
    2.3 检索性能评价准则第24-26页
    2.4 相关反馈技术第26-27页
    2.5 本章小结第27-28页
3 融合GIST与SIFT的图像检索第28-45页
    3.1 多特征融合流程第28页
    3.2 GIST特征提取第28-30页
    3.3 SIFT特征提取第30-33页
    3.4 融合GIST与SIFT的图像检索算法第33-37页
        3.4.1 基于BBF的特征匹配算法第33-34页
        3.4.2 全局特征与局部特征提取算法第34-36页
        3.4.3 融合GIST与SIFT的检索算法第36-37页
    3.5 检索系统实现与实验结果分析第37-44页
        3.5.1 实验环境第37页
        3.5.2 实验数据集第37-38页
        3.5.3 改进的Caltech101数据集上实验结果与分析第38-42页
        3.5.4 改进的Corel1000数据集上实验结果与分析第42-44页
    3.6 本章小结第44-45页
4 基于SVM相关反馈的图像检索第45-55页
    4.1 反馈技术基本原理第45页
    4.2 SVM相关理论第45-49页
        4.2.1 线性可分支持向量机第46-47页
        4.2.2 非线性可分支持向量机第47-49页
        4.2.3 核函数第49页
    4.3 基于SVM相关反馈的图像检索算法第49-50页
    4.4 检索系统实现与实验结果分析第50-54页
    4.5 本章小结第54-55页
5 总结与展望第55-57页
    5.1 论文主要工作总结第55页
    5.2 未来工作展望第55-57页
参考文献第57-63页
攻读硕士学位期间发表的论文和参加的项目第63-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:清前期广西海外贸易研究
下一篇:市场规模和需求价格敏感系数双突变情形下零售商信息共享策略研究