基于视觉词典稀疏表示的商品检索
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.1.1 商品检索的背景 | 第11-12页 |
| 1.1.2 基于内容的图像检索背景 | 第12-14页 |
| 1.2 图像检索现有方法研究 | 第14-16页 |
| 1.2.1 基于颜色的图像检索 | 第14-15页 |
| 1.2.2 基于纹理的图像检索 | 第15-16页 |
| 1.2.3 基于形状的图像检索 | 第16页 |
| 1.3 图像检索研究的热点及难点 | 第16-17页 |
| 1.4 本文研究内容 | 第17-19页 |
| 2 基于视觉词袋(Bovw)方法的图像检索 | 第19-31页 |
| 2.1 视觉词袋图像检索概述 | 第19-21页 |
| 2.1.1 视觉词袋模型简介 | 第19-20页 |
| 2.1.2 视觉词袋图像检索整体框架 | 第20-21页 |
| 2.2 Sift特征描述子 | 第21-23页 |
| 2.3 视觉词典的建立 | 第23-26页 |
| 2.3.1 K-means | 第24页 |
| 2.3.2 模糊K-means | 第24-25页 |
| 2.3.3 近似K-means | 第25页 |
| 2.3.4 分层K-means | 第25-26页 |
| 2.4 图像的相似性匹配 | 第26-27页 |
| 2.4.1 将描述子量化到视觉词典 | 第26页 |
| 2.4.2 特征相似性计算 | 第26-27页 |
| 2.5 倒排索引 | 第27-29页 |
| 2.6 图像检索的评价指标 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 3 基于视觉词典稀疏表示分类的图像检索 | 第31-43页 |
| 3.1 图像分类常用方法 | 第31-32页 |
| 3.2 稀疏表示理论 | 第32-37页 |
| 3.2.1 信号稀疏表示模型 | 第33-34页 |
| 3.2.2 稀疏编码 | 第34-36页 |
| 3.2.3 字典构造 | 第36-37页 |
| 3.3 稀疏表示分类器的使用 | 第37-41页 |
| 3.4 本章小结 | 第41-43页 |
| 4 基于自适应特征融合的图像检索 | 第43-61页 |
| 4.1 特征融合 | 第43-44页 |
| 4.2 融合特征描述子 | 第44-52页 |
| 4.2.1 二进制嵌入的Sift特征描述子 | 第44-46页 |
| 4.2.2 Gist特征 | 第46-49页 |
| 4.2.3 HSV特征 | 第49-51页 |
| 4.2.4 CNN特征 | 第51-52页 |
| 4.3 特征融合 | 第52-55页 |
| 4.3.1 融合法则 | 第52-54页 |
| 4.3.2 计算权重 | 第54-55页 |
| 4.4 实验结果及分析 | 第55-59页 |
| 4.5 本章小结 | 第59-61页 |
| 5 商品检索系统的设计与实现 | 第61-71页 |
| 5.1 商品检索的系统框架 | 第61-63页 |
| 5.2 图像数据库简介 | 第63-64页 |
| 5.3 图像检索的系统原型 | 第64-69页 |
| 5.3.1 图像分类识别模块功能与设计描述 | 第65-67页 |
| 5.3.2 特征提取和检索模块功能与设计描述 | 第67-69页 |
| 5.4 实验结果及分析 | 第69-70页 |
| 5.5 本章小结 | 第70-71页 |
| 6 总结与展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |
