基于子聚类的图像检索改进算法
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.2.1 基于内容的图像检索方法 | 第11-13页 |
| 1.2.2 基于内容的图像检索系统 | 第13页 |
| 1.3 本文主要内容及创新点 | 第13-14页 |
| 1.4 论文组织与结构 | 第14-15页 |
| 1.5 本章小节 | 第15-16页 |
| 第2章 相关理论基础 | 第16-28页 |
| 2.1 尺度不变特征变换 | 第16-21页 |
| 2.1.1 尺度空间极值检测 | 第16-19页 |
| 2.1.2 关键点的主方向提取 | 第19页 |
| 2.1.3 局部特征描述 | 第19-21页 |
| 2.2 VLAD算法 | 第21-24页 |
| 2.3 主要成分分析算法 | 第24-26页 |
| 2.3.1 方差计算 | 第25-26页 |
| 2.3.2 协方差计算 | 第26页 |
| 2.4 本章小节 | 第26-28页 |
| 第3章 算法的改进与优化 | 第28-36页 |
| 3.1 子聚类算法 | 第28-32页 |
| 3.1.1 获取残差空间 | 第28-30页 |
| 3.1.2 子聚类残差聚合 | 第30-31页 |
| 3.1.3 归一化和白化 | 第31-32页 |
| 3.2 熵 | 第32-34页 |
| 3.2.1 熵值计算 | 第32-33页 |
| 3.2.2 获取熵实验流程 | 第33-34页 |
| 3.3 子聚类与熵的结合 | 第34-35页 |
| 3.4 本章小节 | 第35-36页 |
| 第4章 算法实验及结果分析 | 第36-53页 |
| 4.1 实验数据的归一化处理 | 第36页 |
| 4.2 实验流程 | 第36-39页 |
| 4.2.1 构建图像表达 | 第37-38页 |
| 4.2.2 评估标准 | 第38-39页 |
| 4.3 实验结果 | 第39-52页 |
| 4.3.1 Holidays数据集实验结果比较 | 第39-46页 |
| 4.3.2 Oxford数据集实验结果比较 | 第46-52页 |
| 4.4 本章小节 | 第52-53页 |
| 第5章 总结与展望 | 第53-56页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
