首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于骨架图的图形图像检索与自动聚类

摘要第5-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-21页
    1.1 引言第15-16页
    1.2 图像检索与聚类算法的发展现状第16-19页
    1.3 论文的主要工作及内容安排第19-21页
第二章 基于形状的图形图像检索与聚类第21-27页
    2.1 引言第21页
    2.2 基于形状的图形图像检索第21-24页
        2.2.1 研究背景与内容第21-22页
        2.2.2 基于形状的特征提取方法第22-24页
    2.3 基于形状的图形图像聚类第24-25页
    2.4 本章小结第25-27页
第三章 基于骨架图的图形图像匹配与检索第27-41页
    3.1 引言第27页
    3.2 形状上下文描述符第27-29页
    3.3 基于骨架图的形状描述符第29-35页
        3.3.1 Canny边缘检测第30页
        3.3.2 等间距采样点的提取第30-31页
        3.3.3 骨架结构图的构建第31-32页
        3.3.4 特征向量提取第32-33页
        3.3.5 两幅图像的匹配第33-35页
    3.4 实验结果和分析第35-40页
        3.4.1 图形骨架图匹配第35-36页
        3.4.2 在数据集中的检索第36-40页
        3.4.3 算法时间复杂度分析第40页
    3.5 本章小结第40-41页
第四章 基于受限diffusion processes的图形图像检索第41-47页
    4.1 引言第41页
    4.2 Diffusion Process第41-42页
    4.3 局部受限的diffusion process第42-43页
    4.4 实验结果与分析第43-46页
        4.4.1 参数的设定第43页
        4.4.2 实验结果与分析第43-46页
    4.5 本章小结第46-47页
第五章 基于分解多目标进化算法的图形图像自动聚类第47-63页
    5.1 引言第47页
    5.2 多目标进化聚类算法第47-49页
        5.2.1 多目标优化的基础知识第47-48页
        5.2.2 多目标进化算法的发展第48页
        5.2.3 常用的多目标进化聚类的目标函数第48-49页
    5.3 图像图像的自动聚类第49-54页
        5.3.1 基于knn近邻的图划分第50-51页
        5.3.2 基于MOEA/D的图形图像聚类第51-54页
    5.4 实验结果与分析第54-62页
        5.4.1 对比算法与评价标准第54-55页
        5.4.2 在图形数据集上的聚类结果第55-61页
        5.4.3 参数对实验结果的影响第61-62页
    5.5 本章小结第62-63页
第六章 总结与展望第63-65页
    6.1 总结第63-64页
    6.2 进一步工作第64-65页
参考文献第65-69页
致谢第69-71页
作者简介第71-72页

论文共72页,点击 下载论文
上一篇:无线自组织网络TDMA多址接入和分组转发设计实现
下一篇:基于局部与非局部策略的极化SAR相干斑抑制研究