| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要内容 | 第13-14页 |
| 1.4 论文的组织安排 | 第14-15页 |
| 第2章 菜肴识别系统的相关技术和理论 | 第15-26页 |
| 2.1 ANDROID 平台开发概述 | 第15-19页 |
| 2.1.1 Activity | 第15-16页 |
| 2.1.2 Content Provider | 第16-17页 |
| 2.1.3 Service | 第17-18页 |
| 2.1.4 Broadcast Receiver | 第18-19页 |
| 2.2 OPENCV 简介 | 第19-20页 |
| 2.3 图像局部特征提取算法 | 第20-23页 |
| 2.3.1 SIFT 算法 | 第20-21页 |
| 2.3.2 SURF 算法 | 第21-22页 |
| 2.3.3 ORB 算法 | 第22-23页 |
| 2.4 BAG OF FEATURE 模型 | 第23-24页 |
| 2.5 SVM 分类器 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 菜肴识别系统需求分析与设计 | 第26-36页 |
| 3.1 菜肴识别系统需求分析 | 第26-31页 |
| 3.1.1 系统技术方案 | 第26-28页 |
| 3.1.2 系统功能需求分析 | 第28-29页 |
| 3.1.3 系统用例分析 | 第29-31页 |
| 3.2 菜肴识别系统设计 | 第31-35页 |
| 3.2.1 服务器端系统设计及整体架构设计 | 第31-32页 |
| 3.2.2 数据库设计 | 第32-34页 |
| 3.2.3 菜肴识别流程设计 | 第34-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 图像分类框架 | 第36-45页 |
| 4.1 图像分类框架概述 | 第36-38页 |
| 4.2 图像分割 | 第38-40页 |
| 4.3 特征提取 | 第40-41页 |
| 4.3.1 主要颜色 | 第40-41页 |
| 4.3.2 ORB 特征 | 第41页 |
| 4.4 训练并分类 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 菜肴识别系统的实现 | 第45-59页 |
| 5.1 服务器端程序的实现 | 第45-51页 |
| 5.1.1 bag of feature 模型的建立与 SVM 分类器的训练 | 第45-47页 |
| 5.1.2 服务器端 Web 数据接口实现 | 第47-51页 |
| 5.2 ANDROID 平台功能实现 | 第51-57页 |
| 5.3 试验结果 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 作者简介及在学期间所取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |