| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 特征提取研究现状 | 第12-13页 |
| 1.2.2 分类方法研究现状 | 第13-14页 |
| 1.2.3 遗传算法研究现状 | 第14页 |
| 1.3 论文主要工作和研究内容 | 第14-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 图像特征提取与支持向量机 | 第17-29页 |
| 2.1 图像特征提取 | 第17-21页 |
| 2.1.1 颜色空间 | 第17-19页 |
| 2.1.2 颜色空间的量化 | 第19-20页 |
| 2.1.3 颜色特征 | 第20页 |
| 2.1.4 纹理特征 | 第20-21页 |
| 2.1.5 形状特征 | 第21页 |
| 2.2 SVM分类算法研究 | 第21-28页 |
| 2.2.1 分类算法概述 | 第21页 |
| 2.2.2 SVM的理论基础 | 第21-24页 |
| 2.2.3 SVM核函数及参数选取 | 第24-25页 |
| 2.2.4 SVM多分类 | 第25-26页 |
| 2.2.5 实验结果和分析 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 遗传算法相关理论 | 第29-37页 |
| 3.1 遗传算法的概念与描述 | 第29-30页 |
| 3.2 遗传算法的关键步骤 | 第30-33页 |
| 3.2.1 编码 | 第30页 |
| 3.2.2 初始种群选择 | 第30页 |
| 3.2.3 适应度函数设计 | 第30-31页 |
| 3.2.4 选择算子 | 第31-32页 |
| 3.2.5 交叉算子 | 第32页 |
| 3.2.6 变异算子 | 第32-33页 |
| 3.3 改进遗传算法及实验 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 图像分类技术设计 | 第37-50页 |
| 4.1 分类技术设计流程图 | 第37-38页 |
| 4.2 图像分块模块 | 第38-39页 |
| 4.2.1 一种新的分块方法 | 第38-39页 |
| 4.2.2 对比实验 | 第39页 |
| 4.3 特征提取模块 | 第39-44页 |
| 4.3.1 颜色累积直方图 | 第40页 |
| 4.3.2 灰度共生矩阵（GLCM） | 第40-42页 |
| 4.3.3 颜色矩 | 第42页 |
| 4.3.4 SIFT特征提取 | 第42-44页 |
| 4.4 基于改进遗传算法加权特征模块 | 第44-49页 |
| 4.4.1 基于改进遗传算法的特征提取 | 第44-46页 |
| 4.4.2 遗传算法的设计 | 第46-47页 |
| 4.4.3 基于改进遗传算法加权特征的图像分类算法实现 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 实验结果及对比分析 | 第50-56页 |
| 5.1 实验数据集 | 第50-51页 |
| 5.2 实验规范及准则 | 第51页 |
| 5.3 实验与分析 | 第51-55页 |
| 5.3.1 单一特征和综合特征分类精度 | 第51-52页 |
| 5.3.2 分块的综合特征与未分块综合特征进行对比 | 第52-53页 |
| 5.3.3 加权与未加权分块综合特征进行对比 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |