| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7页 |
| 1.2 相关技术现状 | 第7-8页 |
| 1.3 基于大规模的近似图像检测系统及其相关技术的应用领域 | 第8页 |
| 1.4 基于大规模近似图像检索的挑战 | 第8-9页 |
| 1.5 文本研究的主要内容以及结构组织 | 第9-11页 |
| 第二章 基于SIFT的特征选择算法 | 第11-23页 |
| 2.1 关键帧抽取 | 第11页 |
| 2.2 图像的特征向量简述 | 第11-12页 |
| 2.3 图像的多尺度表示 | 第12-14页 |
| 2.3.1 图像金字塔 | 第12-13页 |
| 2.3.2 高斯金字塔 | 第13页 |
| 2.3.3 高斯滤波 | 第13-14页 |
| 2.4 SIFT特征提取算法 | 第14-19页 |
| 2.4.1 高斯差分DoG滤波 | 第14-15页 |
| 2.4.2 尺度空间极值检测 | 第15-18页 |
| 2.4.3 关键点的参数方向 | 第18-19页 |
| 2.5 特征处理 | 第19-22页 |
| 2.5.1 基于最大熵的特征过滤算法 | 第20-21页 |
| 2.5.2 Log 变换 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 K近邻搜索 | 第23-39页 |
| 3.1 向量的相似度计算 | 第23页 |
| 3.2 K近邻搜索 | 第23-24页 |
| 3.3 相关研究 | 第24-36页 |
| 3.3.1 基于Bag-of-Features框架的图像排序算法 | 第24-25页 |
| 3.3.2 基于笛卡尔积的量子化算法 | 第25-26页 |
| 3.3.3 向量量子化 | 第26页 |
| 3.3.4 笛卡尔积量子化 | 第26-29页 |
| 3.3.5 采用笛卡尔积量子化的方法进行检索 | 第29-31页 |
| 3.3.6 倒排索引 | 第31-36页 |
| 3.4 图像的空间几何验证 | 第36-37页 |
| 3.5 视频的时序验证 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 系统实现 | 第39-45页 |
| 4.1 拷贝检测系统的基本原理 | 第39-43页 |
| 4.1.1 系统基本框架 | 第39-40页 |
| 4.1.2 模块功能简介 | 第40-41页 |
| 4.1.3 系统构架设计 | 第41-43页 |
| 4.2 子系统详细设计与具体实现 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 实验与结果分析 | 第45-56页 |
| 5.1 算法的性能指标和评价准则 | 第45-46页 |
| 5.1.1 准确率与查全率 | 第45-46页 |
| 5.1.2 Recall@K | 第46页 |
| 5.1.3 ROC曲线 | 第46页 |
| 5.2 数据集的构建 | 第46-47页 |
| 5.3 检索算法实验 | 第47-51页 |
| 5.3.1 基于最大熵的特征过滤 | 第47-48页 |
| 5.3.2 编码长度与检索精度的关系 | 第48-50页 |
| 5.3.3 与目前最佳检索算法的对比 | 第50-51页 |
| 5.4 算法复杂度与速度 | 第51-52页 |
| 5.5 拷贝检测算法的性能评估 | 第52-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结和展望 | 第56-57页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |