| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究主要内容 | 第13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 图像特征提取及其他应用综述 | 第15-27页 |
| 2.1 特征及特征提取 | 第15-17页 |
| 2.2 颜色特征提取 | 第17-20页 |
| 2.3 纹理特征提取 | 第20-21页 |
| 2.4 形状特征提取 | 第21-22页 |
| 2.5 Sift特征 | 第22-26页 |
| 2.5.1 概述 | 第23页 |
| 2.5.2 SIFT算法的特点 | 第23页 |
| 2.5.3 SIFT特征提取的主要步骤 | 第23-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于GrabCut算法的图像分割 | 第27-41页 |
| 3.1 图像分割研究综述 | 第27-30页 |
| 3.1.1 图像分割定义 | 第27-28页 |
| 3.1.2 图像分割的研究现状 | 第28页 |
| 3.1.3 基于区域的算法 | 第28-29页 |
| 3.1.4 基于边缘检测的算法 | 第29页 |
| 3.1.5 基于特定理论的算法 | 第29-30页 |
| 3.2 K-means | 第30页 |
| 3.3 Mean shift | 第30-31页 |
| 3.4 SVM算法 | 第31-34页 |
| 3.4.1 SVM简单介绍 | 第31-32页 |
| 3.4.2 相应的软件支持 | 第32页 |
| 3.4.3 程序举例 | 第32-34页 |
| 3.5 Mean shift+SVM | 第34-36页 |
| 3.6 GrabCut图像分割算法 | 第36-40页 |
| 3.6.1 Graph Cuts图像分割算法 | 第36-37页 |
| 3.6.2 GrabCut算法 | 第37-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于主颜色描述符(DCD)的主颜色提取方法 | 第41-46页 |
| 4.1 MPEG-7简介 | 第41-42页 |
| 4.2 颜色描述符 | 第42-43页 |
| 4.3 主颜色描述符 | 第43-44页 |
| 4.4 纹理描述符 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 实验结果 | 第46-52页 |
| 5.1 程序说明 | 第46-47页 |
| 5.2 HSV量化和RGB量化 | 第47-48页 |
| 5.3 实验结果 | 第48-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结和展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 不足之处和以后的工作方向 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-59页 |
| 攻读学位期间发表的学术论文目录 | 第59-61页 |
| 附件 | 第61页 |