| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-11页 |
| §1.1 研究背景及意义 | 第9-10页 |
| §1.2 本论文的主要工作及内容安排 | 第10-11页 |
| 第二章 基于内容的图像分类和检索的介绍 | 第11-21页 |
| §2.1 图像特征描述 | 第11-16页 |
| 2.1.1 全局描述 | 第11-15页 |
| 2.1.2 局部描述 | 第15-16页 |
| §2.2 相似性度量 | 第16-17页 |
| §2.3 分类器 | 第17-20页 |
| 2.3.1 贝叶斯 | 第17-18页 |
| 2.3.2 K-近邻 | 第18-19页 |
| 2.3.3 支持向量机 | 第19-20页 |
| §2.4 本章小结 | 第20-21页 |
| 第三章 基于半径的视觉词包模型 | 第21-39页 |
| §3.1 背景知识 | 第22-24页 |
| 3.1.1 SIFT特征 | 第22-23页 |
| 3.1.2 k-均值聚类方法 | 第23-24页 |
| §3.2 基于半径量化的特征 | 第24-28页 |
| 3.2.1 基于半径量化的直方图特征 | 第24-26页 |
| 3.2.2 基于半径的核量化特征 | 第26-28页 |
| §3.3 实验与分析 | 第28-37页 |
| 3.3.1 实验设置 | 第28-29页 |
| 3.3.2 实验结果分析 | 第29-37页 |
| §3.4 本章小结 | 第37-39页 |
| 第四章 ANN技术提高基于词包模型的大规模目标检索速度 | 第39-49页 |
| §4.1 CBOVW模型及其快速算法FCBOVW模型 | 第40-45页 |
| 4.1.1 倒排索引技术 | 第40-41页 |
| 4.1.2 CBOVW模型 | 第41页 |
| 4.1.3 ANN技术 | 第41-44页 |
| 4.1.4 FCBOVW模型 | 第44-45页 |
| §4.2 实验与分析 | 第45-48页 |
| 4.2.1 实验设置 | 第45页 |
| 4.2.2 实验结果及分析 | 第45-48页 |
| §4.3 本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士期间参与科研项目 | 第54-55页 |
| 攻读硕士期间获奖情况 | 第55-56页 |