| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究工作的背景与意义 | 第14页 |
| 1.2 国外研究现状 | 第14-17页 |
| 1.2.1 图像信息识别技术 | 第14-15页 |
| 1.2.2 图像的特征提取 | 第15页 |
| 1.2.3 室内定位研究现状 | 第15-16页 |
| 1.2.4 室内定位主流技术 | 第16页 |
| 1.2.5 分类模型 | 第16-17页 |
| 1.3 本文安排 | 第17-18页 |
| 第二章 基于不变量的特征匹配算法 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 SIFT算法 | 第18-26页 |
| 2.2.1 兴趣点的检测 | 第18-21页 |
| 2.2.2 特征点的定位 | 第21-22页 |
| 2.2.3 方向确定 | 第22-23页 |
| 2.2.4 特征点描述 | 第23-24页 |
| 2.2.5 SIFT特征值匹配方法 | 第24-26页 |
| 2.2.6 SIFT特征匹配方法分析 | 第26页 |
| 2.3 随机抽样一致算法介绍 | 第26-29页 |
| 2.4 SURF算法 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 向量空间模型原理 | 第33-48页 |
| 3.1 引言 | 第33页 |
| 3.2 向量空间模型的基本原理与实现 | 第33-47页 |
| 3.2.1 k均值聚类算法 | 第34-41页 |
| 3.2.1.1 空间距离计算 | 第35-36页 |
| 3.2.1.2 k-均值的基本原理与实现 | 第36-37页 |
| 3.2.1.3 k-均值的优化算法 | 第37-40页 |
| 3.2.1.4 Mini-batch k均值聚类算法 | 第40-41页 |
| 3.2.2 构造视觉词汇直方图 | 第41-43页 |
| 3.2.3 支持向量机的基本原理 | 第43-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 基于图像处理的定位系统构建与实验结果 | 第48-61页 |
| 4.1 引言 | 第48页 |
| 4.2 实验数据集 | 第48-51页 |
| 4.3 验证SURF特征的可行性 | 第51-52页 |
| 4.4 实验模型的构建 | 第52-54页 |
| 4.4.1 图像灰度化预处理 | 第52页 |
| 4.4.2 SURF特征直接匹配模型 | 第52-53页 |
| 4.4.3 基于SURF特征的向量空间模型 | 第53-54页 |
| 4.5 实验结果及分析 | 第54-59页 |
| 4.5.1 实验评估标准 | 第54页 |
| 4.5.2 实验结果及分析 | 第54-59页 |
| 4.6 基于图像信息识别的室内定位系统实现 | 第59-60页 |
| 4.6.1 数据库构建 | 第59页 |
| 4.6.2 服务搭建 | 第59页 |
| 4.6.3 客户端创建 | 第59-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第五章 结论和展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附件 | 第66-68页 |