基于区域的多特征图象目标识别与检索研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第5-15页 |
| ·研究背景 | 第5-6页 |
| ·国内外发展现状与动态 | 第6-12页 |
| ·基于特征相似度匹配的图象检索 | 第6-9页 |
| ·基于语义的图象检索 | 第9-12页 |
| ·本文技术路线以及本文工作在系统中的位置 | 第12-14页 |
| ·论文组织 | 第14-15页 |
| 第二章 图象分割技术研究 | 第15-32页 |
| ·图象分割技术简介 | 第15-16页 |
| ·对分水岭算法的一种改进算法 | 第16-25页 |
| ·分水岭算法简介 | 第16-18页 |
| ·对V-S分水岭算法的一种改进算法 | 第18-22页 |
| ·算法结果与性能讨论 | 第22-25页 |
| ·基于均值平移与模拟泛洪的图象分割算法 | 第25-30页 |
| ·均值平移技术 | 第26页 |
| ·图象空间中的均值平移 | 第26-28页 |
| ·与均值平移相适应的模拟泛洪图象分割 | 第28-29页 |
| ·实验结果 | 第29-30页 |
| ·小结 | 第30-32页 |
| 第三章 基于 SVM与证据理论的图象目标识别 | 第32-47页 |
| ·机器学习与SVM | 第32-38页 |
| ·学习的泛化性 | 第32-35页 |
| ·线性最大间隔分类器与支持向量机 | 第35-36页 |
| ·核函数与非线性支持向量机 | 第36-38页 |
| ·证据理论简介 | 第38-40页 |
| ·证据理论及其合成公式 | 第38-39页 |
| ·证据处理的一般模型 | 第39-40页 |
| ·基于 SVM与证据理论的多特征图象目标识别 | 第40-46页 |
| ·基本思想 | 第40-42页 |
| ·支持向量机分类与基本信度分配 | 第42-43页 |
| ·多特征图象目标识别 | 第43-44页 |
| ·实验结果与性能比较 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于区域的多特征图象检索 | 第47-52页 |
| ·基于区域的多特征图象检索方法 | 第47-48页 |
| ·基于区域的多特征图象检索实验系统 | 第48-52页 |
| ·程序与数据库结构 | 第48-50页 |
| ·实验结果 | 第50-52页 |
| 第五章 结论与展望 | 第52-55页 |
| ·下一步的研究工作 | 第52-53页 |
| ·结论与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录A: 本文作者硕士期间发表论文情况 | 第60页 |
