城市场景图像的相似度算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 国内外研究现状概述 | 第10-11页 |
| 1.2.2 基于图像基本特征的相似度算法 | 第11-12页 |
| 1.2.3 基于图像局部特征的相似度算法 | 第12-13页 |
| 1.2.4 基于图像语义特征的相似度算法 | 第13页 |
| 1.2.5 基于图像哈希的相似度算法 | 第13-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第2章 基于奇异值分解的相似度算法 | 第17-36页 |
| 2.1 奇异值分解理论研究 | 第17-23页 |
| 2.1.1 奇异值分解概述 | 第17页 |
| 2.1.2 奇异值分解定义 | 第17-19页 |
| 2.1.3 奇异值分解的性质和几何意义 | 第19-23页 |
| 2.2 一种基于分块的图像相似度算法 | 第23-29页 |
| 2.2.1 图像预处理 | 第23页 |
| 2.2.2 图像分块策略 | 第23-27页 |
| 2.2.3 改进的奇异值分解算法 | 第27-28页 |
| 2.2.4 图像相似性度量 | 第28-29页 |
| 2.3 实验结果分析 | 第29-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于图像基本特征的相似度算法 | 第36-56页 |
| 3.1 图像基本特征概述 | 第36页 |
| 3.2 基于图像颜色特征的相似度算法 | 第36-41页 |
| 3.2.1 图像颜色直方图的定义 | 第36-37页 |
| 3.2.2 图像灰度颜色直方图算法 | 第37-38页 |
| 3.2.3 图像相似性度量公式 | 第38-41页 |
| 3.3 一种改进的图像相似度算法 | 第41-48页 |
| 3.3.1 基于灰度共生矩阵的相似度算法 | 第41-46页 |
| 3.3.2 改进的图像相似度算法 | 第46-47页 |
| 3.3.3 图像相似性度量 | 第47-48页 |
| 3.4 实验结果分析 | 第48-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 图像相似度算法在城市场景中的应用 | 第56-67页 |
| 4.1 城市场景图像的相似度算法研究概述 | 第56-57页 |
| 4.2 城市场景监控设计 | 第57-58页 |
| 4.3 视频关键帧提取 | 第58-59页 |
| 4.4 图像预处理设计 | 第59-61页 |
| 4.5 图像相似度系统设计 | 第61-63页 |
| 4.6 实验结果分析 | 第63-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 论文展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第73页 |
