基于特征融合的图像检索算法研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外发展现状

1.2.1 底层特征

1.2.2 高层语义特征

1.2.3 特征融合检索算法

1.3 本文主要内容及创新点

1.4 论文组织结构

第2章 图像检索相关技术

2.1 图像检索流程

2.2 SIFT特征

2.2.1 尺度空间的构造

2.2.2 局部空间极值点检测

2.2.3 剔除不稳定点、精确定位关键点

2.2.4 确定关键点的大小和方向

2.2.5 生成特征描述子

2.3 深度学习

2.3.1 深度学习概述

2.3.2 卷积神经网络

2.4 相似性度量

2.5 评判标准

2.6 本章小结

第3章 基于特征融合的图像检索算法

3.1 特征选择

3.1.1 RMAC特征

3.1.2 VLAD特征

3.2 特征处理

3.2.1 特征向量归一化

3.2.2 PCA白化

3.3 特征融合方案

3.3.1特征层融合

3.3.2得分层融合

3.4 基于特征融合的图像检索算法核心步骤

3.5 实验部分

3.5.1 实验数据集

3.5.2 实验相关介绍

3.5.3 参数的确定

3.5.4 PCA白化实验对比

3.5.5 特征融合实验对比

3.6 本章小结

第4章 基于距离得分变化率的特征融合方法

4.1 距离得分变化率

4.2 基于DSCR的特征自适应加权融合算法流程

4.3 实验部分

4.3.1 参数的确定

4.3.2 实验结果及分析

4.3.3 与其他方法对比

4.4 本章小结

第5章 总结

5.1 工作总结

5.2 未来展望

参考文献

作者简介及在学期间所取得的科研成果

致谢