基于决策树的瓷砖图像分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 瓷砖分类系统研究现状 | 第10-11页 |
| 1.2.2 瓷砖图像检测分类算法研究现状 | 第11-12页 |
| 1.3 主要研究工作 | 第12-13页 |
| 1.4 论文章节安排 | 第13-15页 |
| 2 瓷砖图像分类总体方案 | 第15-29页 |
| 2.1 瓷砖颜色特征分析 | 第15-21页 |
| 2.1.1 表面颜色特性 | 第15-16页 |
| 2.1.2 颜色模型及转换 | 第16-20页 |
| 2.1.3 颜色提取方案 | 第20-21页 |
| 2.2 瓷砖纹理特征分析 | 第21-23页 |
| 2.2.1 表面纹理特性 | 第21-22页 |
| 2.2.2 纹理提取方案 | 第22-23页 |
| 2.3 预处理方案分析 | 第23-24页 |
| 2.4 分类方案技术路线 | 第24-28页 |
| 2.4.1 瓷砖图像分类需求 | 第24-25页 |
| 2.4.2 常用分类算法及评价标准 | 第25-26页 |
| 2.4.3 分类方法技术路线 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 瓷砖图像特征提取 | 第29-45页 |
| 3.1 瓷砖图像预处理 | 第29-32页 |
| 3.1.1 光照补偿 | 第29-30页 |
| 3.1.2 几何矫正 | 第30-32页 |
| 3.2 瓷砖图像颜色提取 | 第32-39页 |
| 3.2.1 表面中度模糊处理 | 第32-34页 |
| 3.2.2 主色调量化 | 第34-39页 |
| 3.2.3 平均灰度提取 | 第39页 |
| 3.3 瓷砖图像纹理提取 | 第39-43页 |
| 3.3.1 高斯差分滤波 | 第39-40页 |
| 3.3.2 纹理主方向提取 | 第40-42页 |
| 3.3.3 纹理分布占比 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 基于决策树的瓷砖图像分类 | 第45-61页 |
| 4.1 决策树概述 | 第45-48页 |
| 4.1.1 决策树分类算法 | 第45-46页 |
| 4.1.2 典型决策树构造方法 | 第46-48页 |
| 4.1.3 Bagging技术 | 第48页 |
| 4.2 基于统计分布的决策树算法 | 第48-56页 |
| 4.2.1 单个类样本的决策树构造 | 第49-52页 |
| 4.2.2 基于统计的决策树构造 | 第52-55页 |
| 4.2.3 特征关联与距离加权 | 第55-56页 |
| 4.3 实验结果分析 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 5 工作总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间主要的研究成果目录 | 第67-69页 |
| 致谢 | 第69页 |
