| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 基于内容的图像检索技术主要研究内容 | 第12-14页 |
| 1.3 国内外研究现状及热点 | 第14-18页 |
| 1.3.1 国内外研究现状 | 第14-16页 |
| 1.3.2 国内外研究热点 | 第16-18页 |
| 1.4 本文主要研究内容 | 第18-21页 |
| 第2章 尺度不变特征变换(SIFT)算子 | 第21-35页 |
| 2.1 尺度空间理论 | 第21-22页 |
| 2.2 SIFT特征描述算子 | 第22-29页 |
| 2.2.1 尺度空间极值点检测 | 第23-24页 |
| 2.2.2 关键点位置确定 | 第24-26页 |
| 2.2.3 关键点主方向确定 | 第26页 |
| 2.2.4 特征描述子生成 | 第26-29页 |
| 2.3 SIFT算法的扩展及应用 | 第29-31页 |
| 2.3.1 SIFT算法扩展 | 第29-30页 |
| 2.3.2 SIFT算法的应用 | 第30-31页 |
| 2.4 SIFT算法性能实验分析 | 第31-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第3章 SIFT和旋转不变LBP相结合算法 | 第35-51页 |
| 3.1 具有光照不变性图像检索算法研究 | 第35-36页 |
| 3.2 LBP算法 | 第36-40页 |
| 3.2.1 基本的LBP算子 | 第36-37页 |
| 3.2.2 旋转不变LBP | 第37-40页 |
| 3.3 SIFT和旋转不变LBP结合的算法 | 第40-45页 |
| 3.3.1 特征向量构建 | 第40-41页 |
| 3.3.2 特征向量性能实验分析 | 第41-45页 |
| 3.4 基于遗传算法的特征选择 | 第45-50页 |
| 3.4.1 常用的特征选择算法 | 第45-46页 |
| 3.4.2 遗传算法在特征选择中的应用 | 第46-49页 |
| 3.4.3 实验结果分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 基于Bag of features和VP-tree的索引机制 | 第51-63页 |
| 4.1 向量的多维索引 | 第51-53页 |
| 4.2 Bag of features模型构建 | 第53-59页 |
| 4.2.1 Bag of features模型概述 | 第53-55页 |
| 4.2.2 主要聚类算法分类 | 第55-57页 |
| 4.2.3 基于k-means的视觉词汇表构建 | 第57-58页 |
| 4.2.4 图像的视觉词表示 | 第58-59页 |
| 4.3 基于VP-tree的索引结构 | 第59-61页 |
| 4.3.1 VP-tree的构造 | 第60-61页 |
| 4.3.2 VP-tree的搜索 | 第61页 |
| 4.4 实验结果分析 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 基于SIFT和旋转不变LBP结合的图像检索系统实现 | 第63-73页 |
| 5.1 系统总体架构 | 第63-64页 |
| 5.2 系统设计实现 | 第64-70页 |
| 5.2.1 特征提取子系统 | 第64-66页 |
| 5.2.2 图像检索子系统 | 第66-70页 |
| 5.3 系统检索性能评价 | 第70-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第6章 结论与展望 | 第73-75页 |
| 6.1 结论 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 攻读硕士期间发表的论文 | 第81页 |
