基于局部特征的图像检索技术研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 课题的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 图像全局特征提取和描述 | 第13-16页 |
| 1.2.2 图像局部特征提取和描述 | 第16-18页 |
| 1.2.3 图像匹配和检索 | 第18-20页 |
| 1.2.4 国内外研究现状总结 | 第20页 |
| 1.3 本文的主要研究内容 | 第20-23页 |
| 第2章 图像局部特征提取 | 第23-55页 |
| 2.1 图像局部特征 | 第23-25页 |
| 2.2 图像预处理 | 第25-32页 |
| 2.2.1 线性滤波 | 第25-29页 |
| 2.2.2 LoG算子 | 第29-31页 |
| 2.2.3 尺度空间 | 第31-32页 |
| 2.3 几种经典局部特征提取算法分析 | 第32-40页 |
| 2.3.1 Harris算法 | 第32-33页 |
| 2.3.2 SUSAN算法 | 第33-35页 |
| 2.3.3 Harris-Laplace算法 | 第35-36页 |
| 2.3.4 Hessian算法 | 第36-37页 |
| 2.3.5 FAST算法 | 第37-38页 |
| 2.3.6 SURF算法 | 第38-40页 |
| 2.4 改进的局部特征提取算法 | 第40-46页 |
| 2.4.1 SIFT特征提取分析 | 第40-44页 |
| 2.4.2 算法改进 | 第44-46页 |
| 2.5 实验结果与分析 | 第46-54页 |
| 2.6 本章小结 | 第54-55页 |
| 第3章 压缩图像的特征保持 | 第55-69页 |
| 3.1 图像压缩算法 | 第55-61页 |
| 3.1.1 JPEG算法 | 第55-60页 |
| 3.1.2 JPEG2000压缩 | 第60页 |
| 3.1.3 分形图像压缩 | 第60-61页 |
| 3.2 图像特征失真优化 | 第61-66页 |
| 3.2.1 率失真优化 | 第62-63页 |
| 3.2.2 优化模型 | 第63-64页 |
| 3.2.3 图像分块方法 | 第64-65页 |
| 3.2.4 本文算法实现 | 第65-66页 |
| 3.3 实验结果与分析 | 第66-68页 |
| 3.4 本章小结 | 第68-69页 |
| 第4章 图像局部特征描述符生成 | 第69-81页 |
| 4.1 经典特征描述符 | 第69-72页 |
| 4.1.1 BRIEF描述符 | 第69-70页 |
| 4.1.2 ORB描述符 | 第70页 |
| 4.1.3 FREAK描述符 | 第70-71页 |
| 4.1.4 PCA-SIFT | 第71-72页 |
| 4.1.5 SURF描述符 | 第72页 |
| 4.2 改进的图像特征描述符 | 第72-78页 |
| 4.2.1 SIFT特征描述符生成分析 | 第73-74页 |
| 4.2.2 特征描述符优化改进 | 第74-75页 |
| 4.2.3 实验结果与分析 | 第75-78页 |
| 4.3 图像特征描述符筛选 | 第78-80页 |
| 4.4 本章小结 | 第80-81页 |
| 第5章 图像特征检索算法 | 第81-102页 |
| 5.1 相似性度量 | 第81-83页 |
| 5.2 树型搜索算法 | 第83页 |
| 5.2.1 KD树 | 第83页 |
| 5.2.2 BBF算法 | 第83页 |
| 5.3 哈希算法 | 第83-87页 |
| 5.3.1 LSH算法 | 第84-85页 |
| 5.3.2 RBM算法 | 第85页 |
| 5.3.3 Kernelized LSH | 第85-86页 |
| 5.3.4 谱哈希算法 | 第86页 |
| 5.3.5 ITQ算法 | 第86-87页 |
| 5.4 BOW算法 | 第87-89页 |
| 5.5 本文图像特征检索算法 | 第89-100页 |
| 5.5.1 基于学习的稀疏投影算法 | 第89-93页 |
| 5.5.2 特征匹配算法 | 第93-95页 |
| 5.5.3 与BOW算法对比 | 第95-100页 |
| 5.6 本章小结 | 第100-102页 |
| 结论 | 第102-105页 |
| 参考文献 | 第105-114页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第114-115页 |
| 致谢 | 第115页 |
