首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于内容的图像检索系统的设计与实现

摘要第4-5页
Abstract第5-6页
第1章 绪论第10-14页
    1.1 研究背景及意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 研究内容第12页
    1.4 本文的结构安排第12-14页
第2章 相关工作综述第14-22页
    2.1 图像检索的系统结构第14-15页
    2.2 图像预处理第15页
    2.3 图像的特征提取第15-18页
        2.3.1 底层视觉特征第16-18页
        2.3.2 高层语义特征第18页
    2.4 相似度匹配第18-20页
        2.4.1 Minkowsky距离第18-19页
        2.4.2 相关系数第19页
        2.4.3 马氏距离第19-20页
    2.5 检索性能评判标准第20页
    2.6 本章小结第20-22页
第3章 基于颜色特征的图像检索技术第22-32页
    3.1 颜色空间第22-24页
        3.1.1 RGB颜色空间第22-23页
        3.1.2 HSV颜色空间第23-24页
    3.2 颜色空间在图像检索技术上的应用第24-28页
        3.2.1 颜色空间量化第24-25页
        3.2.2 基于颜色空间的颜色特征提取第25-28页
        3.2.3 相似度匹配第28页
    3.3 实验结果与分析第28-31页
        3.3.1 实验数据第28-29页
        3.3.2 实验结果第29-30页
        3.3.3 实验分析第30-31页
    3.4 本章小结第31-32页
第4章 基于SIFT算法的图像检索技术第32-44页
    4.1 SIFT算法的原理第32-39页
        4.1.1 构建尺度空间第32-35页
        4.1.2 关键点检测和定位第35-37页
        4.1.3 关键点方向的确定第37-38页
        4.1.4 关键点的描述第38-39页
    4.2 SIFT算法在图像检索上的运用第39-40页
        4.2.1 SIFT算法对图像特征的提取第39-40页
        4.2.2 相似度匹配第40页
    4.3 实验结果与分析第40-42页
        4.3.1 实验数据第40页
        4.3.2 实验结果第40-41页
        4.3.3 实验分析第41-42页
    4.4 本章小结第42-44页
第5章 基于卷积神经网络算法的图像检索技术第44-56页
    5.1 深度学习第44页
    5.2 卷积神经网络第44-51页
        5.2.1 卷积神经网络结构第45-46页
        5.2.2 卷积神经网络的优越性第46页
        5.2.3 卷积神经网络模型第46-51页
    5.3 卷积神经网络算法在图像检索上的运用第51-52页
        5.3.1 卷积神经网络对图像特征的提取第51-52页
        5.3.2 相似度匹配第52页
    5.4 实验结果与分析第52-54页
        5.4.1 实验数据第53页
        5.4.2 实验结果第53页
        5.4.3 实验分析第53-54页
    5.5 本章小结第54-56页
第6章 基于内容的图像检索系统展示第56-62页
    6.1 系统介绍第56页
    6.2 系统各模块的设计第56-57页
        6.2.1 特征提取模块第56-57页
        6.2.2 图像维护模块第57页
        6.2.3 查询模块第57页
        6.2.4 输出模块第57页
    6.3 系统系面展示第57-60页
    6.4 本章小结第60-62页
结论第62-64页
参考文献第64-68页
攻读硕士学位期间所发表的论文第68-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:延迟激励高频超声成像方法研究与实现
下一篇:超声弹性成像在HIFU温度监测中的应用研究