基于元胞自动机和特征加权的花卉图像分类
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 花卉图像分类概述 | 第8-10页 |
| 1.1.1 目的和意义 | 第8-9页 |
| 1.1.2 存在的难点分析 | 第9-10页 |
| 1.2 花卉图像分类研究现状 | 第10-12页 |
| 1.2.1 花卉图像分割 | 第10-11页 |
| 1.2.2 花卉图像分类 | 第11-12页 |
| 1.3 本文的主要内容和组织安排 | 第12-14页 |
| 1.3.1 主要内容 | 第12页 |
| 1.3.2 组织安排 | 第12-14页 |
| 第二章 元胞自动机与支持向量机 | 第14-22页 |
| 2.1 元胞自动机理论 | 第14-16页 |
| 2.1.1 基本概念 | 第14-15页 |
| 2.1.2 特点及应用 | 第15-16页 |
| 2.2 SIFT描述子生成 | 第16-19页 |
| 2.2.1 尺度空间极值检测 | 第16-17页 |
| 2.2.2 精确定位特征点 | 第17-18页 |
| 2.2.3 特征点方向确定 | 第18页 |
| 2.2.4 SIFT描述子生成 | 第18-19页 |
| 2.3 支持向量机SVM | 第19-20页 |
| 2.3.1 支持向量机 | 第19-20页 |
| 2.3.2 多类分类问题 | 第20页 |
| 2.4 小结 | 第20-22页 |
| 第三章 一种基于元胞自动机的花卉主体区域提取方法 | 第22-34页 |
| 3.1 引言 | 第22-24页 |
| 3.2 图像预处理 | 第24-25页 |
| 3.2.1 图像去噪 | 第24页 |
| 3.2.2 图像锐化 | 第24-25页 |
| 3.3 图像超像素区域划分 | 第25-26页 |
| 3.4 图像显著性检测 | 第26-27页 |
| 3.5 基于元胞自动机的同步更新机制 | 第27-28页 |
| 3.5.1 影响因子矩阵 | 第27-28页 |
| 3.5.2 置信度矩阵 | 第28页 |
| 3.5.3 同步更新原则 | 第28页 |
| 3.6 实例分析 | 第28-30页 |
| 3.7 实验结果与分析 | 第30-32页 |
| 3.7.1 实验设计 | 第30页 |
| 3.7.2 图像分割评价标准与实验对比 | 第30-32页 |
| 3.8 小结 | 第32-34页 |
| 第四章 一种基于特征加权融合的花卉图像分类方法 | 第34-44页 |
| 4.1 引言 | 第34-35页 |
| 4.2 颜色特征提取 | 第35页 |
| 4.3 局部特征提取 | 第35-37页 |
| 4.4 基于特征加权融合的SVM分类算法 | 第37页 |
| 4.5 实验结果与分析 | 第37-42页 |
| 4.6 小结 | 第42-44页 |
| 第五章 基于花卉图像分类的原型系统 | 第44-52页 |
| 5.1 系统结构 | 第44-45页 |
| 5.2 原型系统主要功能演示 | 第45-51页 |
| 5.3 小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 研究生期间参与科研项目及成果 | 第60页 |
