| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 引言 | 第8-9页 |
| 1.2 CBIR 的发展及研究现状 | 第9-11页 |
| 1.3 CBIR 的关键技术 | 第11-13页 |
| 1.4 CBIR 技术的应用领域 | 第13-14页 |
| 1.5 本文主要内容及各章节的安排 | 第14-16页 |
| 第二章 图像局部不变特征提取技术 | 第16-26页 |
| 2.1 引言 | 第16-17页 |
| 2.2 尺度不变特征变换（SIFT）算法 | 第17-23页 |
| 2.2.1 SIFT 特征检测 | 第17-21页 |
| 2.2.2 SIFT 特征描述 | 第21-23页 |
| 2.2.3 SIFT 特征的不变性原理分析 | 第23页 |
| 2.3 SIFT 的改进与扩展算法综述 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 基于内容图像检索中的近邻搜索技术 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 基于K-D 树的索引技术 | 第26-29页 |
| 3.2.1 K-D 树的创建 | 第27-28页 |
| 3.2.2 K-D 树的搜索 | 第28页 |
| 3.2.3 K-D 树的范围搜索 | 第28-29页 |
| 3.2.4 K-D 树算法的复杂度 | 第29页 |
| 3.3 BBF 算法对K-D 树搜索过程的改进 | 第29-30页 |
| 3.4 K-D 树和BBF 算法在基于SIFT 特征的CBIR 系统中的应用 | 第30-35页 |
| 3.4.1 建立K-D 树索引SIFT 特征集 | 第31页 |
| 3.4.2 图像SIFT 特征的匹配策略 | 第31-33页 |
| 3.4.3 NNDRS 投票机制 | 第33-35页 |
| 3.5 本章图像检索实验及结果分析 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于RANSAC 算法的匹配特征集提纯 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 RANSAC 算法 | 第38-43页 |
| 4.3 图像匹配特征集提纯实验 | 第43-45页 |
| 4.4 RANSAC 算法应用于基于SIFT 特征的CBIR 系统 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 CBIR 实验系统的原理性实现及性能评价 | 第48-54页 |
| 5.1 引言 | 第48页 |
| 5.2 开发平台的搭建 | 第48-49页 |
| 5.3 CBIR 实验系统的具体实现 | 第49-51页 |
| 5.4 图像检索实验及系统性能评价 | 第51-53页 |
| 5.4.1 实验主要参数设置 | 第51-52页 |
| 5.4.2 图像检索系统性能评价 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 研究生期间发表的论文及参加的科研项目 | 第60页 |