地标图像检索及街景图像位置识别技术研究

目录

声明

第一章 绪论

1.1 研究背景与意义

1.2 研究现状

1.2.1 基于词包模型的地标图像检索研究现状

1.2.2 基于深度学习的地标图像检索研究现状

1.2.3 街景图像位置识别研究现状

1.2.4 地标图像和街景图像数据集

1.2.5 性能评价指标

1.3 研究内容

1.3.1 论文主要工作

1.3.2 论文组织结构

第二章 基于爆发性局部特征分组的图像匹配加权方法

2.1 引言

2.2 图像检索中的爆发性问题

2.2.1 爆发性问题的起源

2.2.2 图像爆发性特征的检测方法

2.2.3 特征匹配阶段爆发性处理方法

2.3 基于爆发性分组信息的加权方法

2.3.1 查询图像爆发性分组检测

2.3.2 图像爆发性分组加权方法

2.4 实验结果与分析

2.4.1 实验设置

2.4.2 参数选择实验结果与分析

2.4.3 地标图像检索实验结果与分析

2.4.4 街景图像位置识别实验结果与分析

2.5 本章小结

第三章 后处理阶段的爆发性模式处理方法

3.1 引言

3.2 后处理阶段的爆发性匹配问题

3.2.1 空间校验流程

3.2.2 后处理阶段爆发性匹配模式

3.2.3 后处理阶段爆发性问题描述

3.3 后处理阶段爆发性模式处理方法

3.3.1 几何过滤

3.3.2 一对一匹配

3.3.3 爆发性匹配加权

3.4 实验结果与分析

3.4.1 实验设置

3.4.2 BoW和HE检索模型上的实验结果与分析

3.4.3 与其他方法的对比实验与分析

3.4.4 大规模数据集上的实验结果与分析

3.5 本章小结

第四章 基于全局与局部深度特征融合的地标图像检索方法

4.1 引言

4.2 基于CNN的地标图像检索技术

4.2.1 RMAC特征的构建方法

4.2.2 基于RMAC的地标检索流程

4.3 基于局部特征与全局特征融合的地标图像检索方法

4.3.1 基于全局RMAC特征的初始查询方法

4.3.2 基于SPoC特征的查询目标定位

4.3.3 融合局部和全局深度特征的重排序与查询展开

4.4 实验结果与分析

4.4.1 实验设置

4.4.2 全局初始过滤实验结果与分析

4.4.3 基于特征融合的后处理实验结果与分析

4.4.4 整体检索流程上的实验结果与分析

4.4.5 基于SiaMAC深度特征的检索实验结果与分析

4.4.6 与其他方法的对比实验结果与分析

4.4.7 整体方法的时间开销分析

4.5 本章小结

第五章 基于位置融合的街景图像位置识别后处理方法

5.1 引言

5.2 街景图像位置识别框架

5.2.1 街景图像识别中的全局特征

5.2.2 街景图像位置识别中的后处理方法

5.3 基于灰度过滤和位置融合的后处理方法

5.3.1 灰度过滤

5.3.2 分组融合

5.4 实验结果与分析

5.4.1 实验设置

5.4.2 参数分析

5.4.3 位置识别实验结果与分析

5.5 本章小结

第六章 基于局部约束线性编码的相似度搜索方法

6.1 引言

6.2 相似度搜索

6.2.1 近似相似搜索方法

6.2.2 基于分组测试的相似度搜索方法

6.2.3 基于矩阵分解的相似度搜索方法

6.3 基于局部约束线性编码的相似度计算方法

6.3.1 不带字典训练的LLC方法

6.3.2 带字典训练的LLC方法

6.4 实验结果与分析

6.4.1 实验设置

6.4.2 局部查询实验结果与分析

6.4.3 全局查询实验结果与分析

6.4.4 离线训练时间分析

6.4.5 重建误差分析

6.5 本章小结

第七章 总结与展望

7.1 总结

7.2 工作展望

致谢

参考文献

作者在学期间取得的学术成果