| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 搜索技术基础 | 第9-19页 |
| ·搜索引擎概述 | 第9-10页 |
| ·搜索引擎的工作原理 | 第10-11页 |
| ·图像搜索技术 | 第11-13页 |
| ·图像搜索引擎的检索技术 | 第12页 |
| ·图像搜索引擎的检索途径 | 第12-13页 |
| ·图像搜索与数据挖掘 | 第13-18页 |
| ·什么是数据挖掘？ | 第13-14页 |
| ·数据挖掘的起源 | 第14-15页 |
| ·数据挖掘的用途 | 第15-17页 |
| ·数据挖掘中的关联规则 | 第17-18页 |
| ·本文研究的主要内容 | 第18-19页 |
| 第二章 图像搜索系统框架和基本原理 | 第19-27页 |
| ·系统的研究方向 | 第21页 |
| ·系统与传统搜索方式的对比 | 第21-22页 |
| ·系统的应用领域 | 第22页 |
| ·图像搜索系统实现基本框架 | 第22-24页 |
| ·Framework | 第22-24页 |
| ·搜索过程详解 | 第24页 |
| ·图像搜索技术原理综述 | 第24-27页 |
| 第三章 图像的特征点提取与匹配 | 第27-35页 |
| ·图像特征点及匹配 | 第27-28页 |
| ·图像特征的基本概念 | 第27页 |
| ·尺度空间理论 | 第27-28页 |
| ·SIFT 特征匹配 | 第28-33页 |
| ·什么是SIFT? | 第28页 |
| ·SIFT 算法的基本思想及其特性 | 第28页 |
| ·LOG 和DOG | 第28-29页 |
| ·SIFT 特征匹配算法的步骤 | 第29-32页 |
| ·例子 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 利用聚类和索引实现图像搜索 | 第35-45页 |
| ·图像索引的建立 | 第35页 |
| ·聚类算法 | 第35-41页 |
| ·聚类概念 | 第35页 |
| ·聚类后判定各个类是否相似 | 第35-36页 |
| ·聚类的分类 | 第36-40页 |
| ·小结 | 第40-41页 |
| ·K-Means 原理 | 第41-42页 |
| ·K-Means 的概念 | 第41页 |
| ·K-Means 的优点和缺点 | 第41页 |
| ·K-Means 的改进 | 第41-42页 |
| ·分层聚类和k-means 聚类的结合 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 SIFT 算法的改进方法研究 | 第45-53页 |
| ·图像匹配的研究进展及SIFT 改进的基本方法 | 第45页 |
| ·PCA-SIFT 算法 | 第45-46页 |
| ·SIFT 特征点的色彩信息 | 第46-49页 |
| ·基于形状和角点的特征点提取 | 第49-50页 |
| ·PCA-SIFT 跟彩色信息的结合 | 第50-51页 |
| ·PCA-SIFT 跟基于形状和角点的特征点的结合 | 第51-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 攻读硕士学位期间取得的研究成果 | 第56-57页 |
| 致谢 | 第57页 |