全文总字数：2199字

1. 研究目的与意义及国内外研究现状

目的：通过实现bag of visual words算法，设计并实现一个对网络图像进行近重复检测并去冗的系统。根据图像的视觉内容判定图像之间是否具有视觉联系；选取高质量的图像保留；删除其余冗余图像。

研究意义：随着网络通信和多媒体技术的快速发展以及数码相机、智能手机等硬件设备的普及，互联网上数字图像数据呈爆炸性地增长。用户可以很方便地获取图像，对原始图像数据进行有意或无意地复制、修改等操作，再将各种近重复图像副本发布到网络。互联网上的近重复数据所占据比例大增。大量近重复图像的存在带来了版权侵犯、网络带宽和存储空间浪费等一系列问题。此外，用户需要花费很多时间对网络搜索结果进行筛选才能找到自己最满意的图像。因此，迫切需要一种高效、准确的近重复图像去冗技术来节约网络用户查找目标图像的时间、节省网络带宽和存储空间等。

2. 研究的基本内容

本课题旨在研究并实现基于bag of visual words的网络近重复图像去冗方法，此去冗方法内容如下：

本图像去冗方案，可以分为两个主要阶段，近重复图像检测和冗余图像去除。在近重复图像检测阶段，采用分层特征匹配框架，利用全局特征进行快速粗略匹配以及利用局部特征进行精细匹配，并在两个匹配阶段分别构建哈希索引结构、采用bow（词袋）模型，来加快特征匹配过程。在冗余图像消除阶段，对每组近重复图像进行质量评价从而决定图像的保留和删除。

1.基于全局特征的粗略匹配阶段

3. 实施方案、进度安排及预期效果

实施方案：

通过实现bag of visual words算法，设计并实现一个对网络图像进行近重复检测并去冗的系统。

4. 参考文献

1.yang j, jiang y g, hauptmann a g, et al. evaluating bag-of-visual-words representations in scene classification.[c]// proceedings of the international workshop on workshop on multimedia information retrieval. acm, 2007:197-206.

2.csurka g, dance c r, fan l, et al. visual categorization with bags of keypoints[j]. workshop on statistical learning in computer vision eccv, 2004:1--22.