| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-24页 |
| 1.1 课题研究背景及研究意义 | 第9-11页 |
| 1.2 基于内容的图像识别关键技术分析 | 第11-21页 |
| 1.2.1 常用的图像特征提取 | 第12-15页 |
| 1.2.1.1 颜色特征 | 第12-13页 |
| 1.2.1.2 纹理特征 | 第13页 |
| 1.2.1.3 形状特征 | 第13-14页 |
| 1.2.1.4 三种特征识别的比较与分析 | 第14-15页 |
| 1.2.2 常用的图像分类方法 | 第15-21页 |
| 1.2.2.1 K近邻算法 | 第15-16页 |
| 1.2.2.2 支持向量机(SVM) | 第16-17页 |
| 1.2.2.3 随机森林算法 | 第17-21页 |
| 1.3 本文的研究内容 | 第21-22页 |
| 1.4 文章组织结构 | 第22-24页 |
| 第2章 饰面花岗石图像颜色特征提取方案研究 | 第24-36页 |
| 2.1 花岗石特征分析 | 第24页 |
| 2.2 颜色特征分析 | 第24-33页 |
| 2.2.1 颜色空间介绍 | 第24-28页 |
| 2.2.2 颜色空间的转换 | 第28-29页 |
| 2.2.3 颜色特征提取 | 第29-31页 |
| 2.2.4 颜色空间的量化 | 第31-33页 |
| 2.3 基于HSV颜色空间的特征提取方法 | 第33-34页 |
| 2.3.1 非等间距量化的颜色特征提取方法 | 第34页 |
| 2.3.2 等间距量化的颜色特征提取方法 | 第34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 逻辑回归算法原理和图像分类性能评价指标 | 第36-48页 |
| 3.1 引言 | 第36页 |
| 3.2 二分类逻辑回归模型 | 第36-43页 |
| 3.2.1 逻辑回归基础概念 | 第36-37页 |
| 3.2.2 逻辑回归算法推导 | 第37-43页 |
| 3.3 多分类逻辑回归模型 | 第43-46页 |
| 3.4 图像分类性能评价指标 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于逻辑回归的颜色特征饰面花岗石图像识别实验 | 第48-80页 |
| 4.1 实验环境 | 第48-49页 |
| 4.1.1 本实验计算机主要的软硬件配置 | 第48页 |
| 4.1.2 程序编写语言、运行平台和各种算法包的介绍 | 第48-49页 |
| 4.2 饰面花岗石图像识别前准备工作 | 第49-50页 |
| 4.3 基于逻辑回归多二分类的实验方案设计和结果分析 | 第50-62页 |
| 4.3.1 训练集方案的改进 | 第51-52页 |
| 4.3.2 训练集方案的选取 | 第52-57页 |
| 4.3.3 基于多二分类颜色特征提取方法的选取 | 第57-62页 |
| 4.4 基于逻辑回归多分类的实验方案设计和结果分析 | 第62-76页 |
| 4.4.1 基于多分类颜色特征提取方法的选取 | 第63-67页 |
| 4.4.2 主成分分析法的引入和实验结果分析 | 第67-73页 |
| 4.4.3 分类器模型的改进 | 第73-76页 |
| 4.5 对以上两种饰面花岗石识别方案进行分析和选取 | 第76-77页 |
| 4.6 本章小结 | 第77-80页 |
| 第5章 总结与展望 | 第80-82页 |
| 5.1 总结 | 第80-81页 |
| 5.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第88页 |
