基于形状的图像特征分析与检索技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-11页 |
| ·本文的主要研究工作 | 第11页 |
| ·论文的组织架构 | 第11-13页 |
| 第二章 基于形状特征的图像检索方法 | 第13-23页 |
| ·引言 | 第13-14页 |
| ·形状特征 | 第14-19页 |
| ·基于全局特征的形状描述 | 第15-17页 |
| ·基于局部特征的形状描述 | 第17-18页 |
| ·基于形状的检索技术 | 第18-19页 |
| ·形状特征常用的相似性度量方法 | 第19-20页 |
| ·直方图相交法 | 第19页 |
| ·Minkowsky距离 | 第19-20页 |
| ·余弦夹角 | 第20页 |
| ·图像检索性能评价方法 | 第20-22页 |
| ·准确率和召回率 | 第21页 |
| ·ANMRR | 第21-22页 |
| ·命中精度 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 全局特征的图像检索系统设计 | 第23-39页 |
| ·引言 | 第23页 |
| ·基于小波特征的图像描述方法 | 第23-27页 |
| ·小波的产生和发展 | 第24页 |
| ·小波函数原理方法 | 第24-25页 |
| ·GIST金字塔描述 | 第25-27页 |
| ·小波分布特征提取 | 第27页 |
| ·基于HOG特征的图像描述方法 | 第27-31页 |
| ·Gamma归一化 | 第28页 |
| ·梯度计算 | 第28-29页 |
| ·空间和方向梯度统计 | 第29页 |
| ·归一化描述符 | 第29-30页 |
| ·特征空间中块的选择 | 第30-31页 |
| ·全局特征图像检索 | 第31-33页 |
| ·近似近邻概念 | 第31-32页 |
| ·kdtree算法实现 | 第32-33页 |
| ·全局特征系统构建 | 第33-35页 |
| ·实验及结果 | 第35-38页 |
| ·测试用例库介绍 | 第35-36页 |
| ·实验结果分析 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 局部特征的图像检索系统设计 | 第39-52页 |
| ·引言 | 第39-40页 |
| ·局部自相似描述符 | 第40-43页 |
| ·生成局部自相似描述符 | 第40-41页 |
| ·去除非信息特征点 | 第41-42页 |
| ·自相似描述符的尺度不变性 | 第42-43页 |
| ·利用近似K-Means算法生成视觉词典 | 第43-45页 |
| ·利用K-Means对描述符进行聚类 | 第43页 |
| ·随机森林概念 | 第43-44页 |
| ·聚类算法实现 | 第44-45页 |
| ·局部特征图像检索 | 第45-47页 |
| ·图像向量空间粗检索 | 第45-46页 |
| ·基于空间信息的重排序 | 第46-47页 |
| ·局部特征系统建立 | 第47-48页 |
| ·实验与结果 | 第48-51页 |
| ·建立视觉词典 | 第48-49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·论文工作总结 | 第52页 |
| ·工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者攻读学位期间发表的学术论文目录 | 第58页 |
