| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 相关工作 | 第12-15页 |
| 1.3 难点分析 | 第15-16页 |
| 1.4 主要工作 | 第16-17页 |
| 1.5 论文安排 | 第17-18页 |
| 第二章 相关的图像处理技术 | 第18-43页 |
| 2.1 介绍兜兰种类分析 | 第18-23页 |
| 2.2 数字图像处理的概念 | 第23-25页 |
| 2.3 颜色模型的概念 | 第25-28页 |
| 2.3.1 RGB颜色空间模型 | 第25-26页 |
| 2.3.2 CIE XYZ颜色空间模型 | 第26-27页 |
| 2.3.3 YCbCr颜色空间模型 | 第27页 |
| 2.3.4 HSV颜色空间模型 | 第27-28页 |
| 2.4 分类系统概述的概念 | 第28-43页 |
| 2.4.1 图像分割的概念 | 第29-30页 |
| 2.4.1.1 图割基础(Graph cuts) | 第29-30页 |
| 2.4.2 图像特征提取的概念 | 第30-37页 |
| 2.4.2.1 颜色矩 | 第31页 |
| 2.4.2.2 颜色直方图 | 第31-33页 |
| 2.4.2.3 基于分割的分形纹理分析(SFTA) | 第33-37页 |
| 2.4.3 分类算法的概念 | 第37-41页 |
| 2.4.3.1 朴素贝叶斯算法(Naive Bayes) | 第37-38页 |
| 2.4.3.2 k最近邻分类算法 | 第38页 |
| 2.4.3.3 C4.5决策树算法(J48) | 第38-39页 |
| 2.4.3.4 序列最小优化SMO算法 | 第39页 |
| 2.4.3.5 多层神经网络算法 | 第39-41页 |
| 2.4.4 评估分类器的性能的概念 | 第41-43页 |
| 2.4.4.1 k-折交叉验证(k-fold cross validation) | 第41-43页 |
| 第三章 兜兰花的特征提取和分类研究 | 第43-56页 |
| 3.1 开发工具和模型评价 | 第43页 |
| 3.2 实验步骤 | 第43-56页 |
| 3.2.1 预处理 | 第44-46页 |
| 3.2.1.1 图像分割 | 第44-46页 |
| 3.2.2 特征提取 | 第46-51页 |
| 3.2.2.1 颜色矩特征 | 第46-47页 |
| 3.2.2.2 直方图特性 | 第47-48页 |
| 3.2.2.3 于分割的分形纹理分析(SFTA) | 第48-51页 |
| 3.2.3 分类器和结果评估 | 第51-56页 |
| 3.2.3.1 分类器 | 第51-53页 |
| 3.2.3.2 评估分类器的性能 | 第53-54页 |
| 3.2.3.3 模型评价 | 第54-56页 |
| 第四章 兜兰花分类实验结果分析 | 第56-74页 |
| 4.1 兜兰花数据库和图像预处理 | 第56-61页 |
| 4.1.1 兜兰花数据库 | 第56-59页 |
| 4.1.2 兜兰花图像分割 | 第59-61页 |
| 4.2 实验流程 | 第61-74页 |
| 4.2.1 分类器结果的比较 | 第61页 |
| 4.2.2 特征提取算法的实验结果 | 第61-71页 |
| 4.2.2.1 采用颜色矩特征生成的结果 | 第61-66页 |
| 4.2.2.2 采用直方图特征生成的结果 | 第66-68页 |
| 4.2.2.3 采用基于分割的分形纹理分析(SFTA)特征生成的结果 | 第68-71页 |
| 4.2.3 模型评价 | 第71-74页 |
| 第五章 总结与展望 | 第74-77页 |
| 5.1 论文总结 | 第74-75页 |
| 5.2 未来的工作建议及展望 | 第75-77页 |
| 5.2.1. 对未来工作的建议 | 第75页 |
| 5.2.2. 展望 | 第75-77页 |
| 参考文献 | 第77-87页 |
| 攻读博士期间的研究成果 | 第87-88页 |
| 致谢 | 第88页 |
