电力设备图片特征提取和分类方法的研究
| 中文摘要 | 第1页 |
| Abstract | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| ·选题背景及其意义 | 第7页 |
| ·国内外研究动态 | 第7-10页 |
| ·图像特征提取和检索的发展动态 | 第7-9页 |
| ·图像分类技术的发展 | 第9-10页 |
| ·课题研究内容 | 第10页 |
| ·论文的组织情况 | 第10-11页 |
| 第二章 电力设备图片的兴趣点特征提取 | 第11-30页 |
| ·SIFT 算法 | 第11-18页 |
| ·SIFT 算法的优点 | 第11-12页 |
| ·SIFT 算法的数据结构 | 第12页 |
| ·图像多尺度空间 | 第12-13页 |
| ·SIFT 算法流程 | 第13-18页 |
| ·实验结果和分析 | 第18-25页 |
| ·提取图像SIFT 特征点 | 第18-19页 |
| ·SIFT 兴趣点和Harris 角点的比较 | 第19-21页 |
| ·天气变化对特征点提取的影响 | 第21-22页 |
| ·抗噪性分析 | 第22-24页 |
| ·旋转不变性 | 第24-25页 |
| ·缩放不变性 | 第25页 |
| ·提取 SFIT 兴趣点特征的改进 | 第25-27页 |
| ·小波变换预处理 | 第25-27页 |
| ·改进后的SIFT 兴趣点提取 | 第27页 |
| ·图像整体特征提取探讨 | 第27-29页 |
| ·PCA 基本思想 | 第28页 |
| ·PCA 算法的主要过程 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 图像的兴趣点匹配 | 第30-39页 |
| ·现有的图像匹配方法 | 第30-31页 |
| ·距离公式 | 第31-33页 |
| ·最近邻 NN 方法 | 第33-34页 |
| ·k-d 树算法 | 第34-35页 |
| ·SIFT 兴趣点匹配 | 第35-38页 |
| ·匹配域值λ的选取 | 第35-36页 |
| ·匹配视角稳定性 | 第36-37页 |
| ·匹配准确率 | 第37页 |
| ·匹配结果图像 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 电力设备图片分类的探讨 | 第39-51页 |
| ·图像分类的基本概念及其应用 | 第39页 |
| ·几种常见的分类器 | 第39-45页 |
| ·贝叶斯分类器 | 第39-40页 |
| ·最小距离分类器 | 第40页 |
| ·最大相关分类器 | 第40-41页 |
| ·决策树分类法 | 第41页 |
| ·支持向量机 | 第41-43页 |
| ·人工神经网络 | 第43-45页 |
| ·利用SIFT 方向特征进行分类 | 第45-47页 |
| ·利用特征点集合分布进行分类 | 第47-50页 |
| ·图像的SIFT 兴趣点集合分布 | 第47-48页 |
| ·描述点集合的方法 | 第48-49页 |
| ·点集合相对距离直方图 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 图像检索分类系统设计 | 第51-57页 |
| ·系统功能划分及其实现 | 第51-53页 |
| ·图片检索分类软件的设计 | 第53-56页 |
| ·用户界面与图片信息显示 | 第53-54页 |
| ·结果显示与后续处理模块 | 第54-55页 |
| ·系统检索分类结果界面 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-58页 |
| ·课题研究总结 | 第57页 |
| ·进一步研究工作的展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 在学期间发表的学术论文和参加科研情况 | 第62页 |
