摘要 | 第4-5页 |
abstract | 第5页 |
第1章 引言 | 第9-15页 |
1.1 研究背景 | 第9-10页 |
1.1.1 粒子群算法研究背景 | 第9页 |
1.1.2 基于特征的图像匹配研究背景 | 第9-10页 |
1.1.3 基于内容的图像检索研究背景 | 第10页 |
1.2 研究现状 | 第10-12页 |
1.2.1 粒子群算法研究现状 | 第10-11页 |
1.2.2 图像匹配算法研究现状 | 第11-12页 |
1.2.3 图像检索算法研究现状 | 第12页 |
1.3 本文的主要内容 | 第12-14页 |
1.3.1 分章内容 | 第12-13页 |
1.3.2 文章创新点 | 第13-14页 |
1.4 本章小结 | 第14-15页 |
第2章 图像匹配及图像检索的内容 | 第15-24页 |
2.1 图像匹配技术概述 | 第15-16页 |
2.1.1 图像匹配的定义 | 第15页 |
2.1.2 图像匹配的过程 | 第15-16页 |
2.1.3 图像匹配的改进要素 | 第16页 |
2.2 图像匹配的方法 | 第16-19页 |
2.2.1 基于特征的匹配方法 | 第17-18页 |
2.2.2 基于图像灰度的匹配方法 | 第18页 |
2.2.3 其它匹配方法 | 第18-19页 |
2.3 图像检索技术概述 | 第19-20页 |
2.3.1 基于内容的图像检索的定义 | 第19页 |
2.3.2 基于内容的图像检索的基本流程 | 第19-20页 |
2.4 图像检索中的特征提取 | 第20-22页 |
2.5 相似性度量 | 第22-23页 |
2.6 本章小结 | 第23-24页 |
第3章 具有自适应逃逸的环状全互连粒子群算法 | 第24-32页 |
3.1 粒子群算法 | 第24-26页 |
3.1.1 粒子群算法简述 | 第24-25页 |
3.1.2 粒子群算法的流程 | 第25-26页 |
3.1.3 粒子群算法的改进方向 | 第26页 |
3.2 粒子群算法的拓扑结构和自适应逃逸机制 | 第26-27页 |
3.2.1 粒子种群的拓扑结构 | 第26-27页 |
3.2.2 自适应逃逸机制 | 第27页 |
3.3 改进的粒子群算法(RSEPSO) | 第27-31页 |
3.3.1 RSEPSO算法的基本思想 | 第28-30页 |
3.3.2 RSEPSO算法流程 | 第30-31页 |
3.4 本章小结 | 第31-32页 |
第4章 SICA-SIFT和粒子群优化的图像匹配算法 | 第32-40页 |
4.1 SICA-SIFT特征向量 | 第32-36页 |
4.1.1 SIFT特征向量提取 | 第32-34页 |
4.1.2 SICA优化算法 | 第34-35页 |
4.1.3 优化SIFT特征向量 | 第35-36页 |
4.2 匹配过程优化 | 第36-38页 |
4.2.1 匹配约束条件优化 | 第37页 |
4.2.2 改进粒子群算法对匹配过程的优化 | 第37-38页 |
4.3 改进图像匹配方法流程 | 第38-39页 |
4.4 本章小结 | 第39-40页 |
第5章 优化PAM算法在图像检索中的研究 | 第40-47页 |
5.1 PAM算法概述 | 第40-41页 |
5.2 烟花粒子群算法 | 第41-42页 |
5.2.1 烟花算法 | 第41-42页 |
5.2.2 烟花粒子群算法 | 第42页 |
5.3 改进PAM算法 | 第42-44页 |
5.3.1 改进PAM算法的基本思想 | 第42-43页 |
5.3.2 改进PAM算法的基本流程 | 第43-44页 |
5.4 基于优化PAM算法的图像检索方法 | 第44-46页 |
5.4.1 图像特征提取和相似性度量 | 第44-45页 |
5.4.2 图像检索流程 | 第45-46页 |
5.5 本章小结 | 第46-47页 |
第6章 仿真实验及数据分析 | 第47-56页 |
6.1 RSEPSO算法测试 | 第47-50页 |
6.1.1 测试函数 | 第47-48页 |
6.1.2 实验分析 | 第48-49页 |
6.1.3 RSEPSO算法性能分析 | 第49-50页 |
6.2 改进图像匹配方法实验及分析 | 第50-52页 |
6.3 改进图像检索方法实验及分析 | 第52-55页 |
6.4 本章小结 | 第55-56页 |
第7章 总结与展望 | 第56-57页 |
参考文献 | 第57-61页 |
攻读硕士期间发表的论文及所取得的研究成果 | 第61-63页 |
致谢 | 第63-64页 |