中国传统水墨画的计算机分类与算法研究

中文摘要	第1-4页
ABSTRACT	第4-8页
第一章 绪论	第8-20页
·课题研究背景及意义	第8-9页
·中国画的数字化趋势及发展现状	第9-10页
·水墨画艺术风格研究	第10-17页
·水墨画的艺术风格分析	第10-16页
·图像处理在艺术风格分析的研究现状	第16-17页
·本文主要内容与贡献	第17-18页
·本文组织结构	第18-20页
第二章 相关工作及综述	第20-38页
·图像处理	第20-30页
·特征提取技术	第20-22页
·图像检索技术	第22-24页
·边缘检测技术	第24-30页
·机器学习	第30-38页
·决策树	第30-31页
·神经网络	第31-33页
·支持向量机	第33-35页
·决策树、神经网络和支持向量机的方法比较	第35-38页
第三章 像素域内水墨画艺术风格的计算机分析	第38-57页
·水墨画整体艺术风格的特征提取及分析	第41-45页
·水墨画局部艺术风格的特征提取及分析	第45-50页
·基于信息熵的融合算法	第50-52页
·实验结果及分析	第52-56页
·本章小结	第56-57页
第四章 小波域内水墨画艺术风格的计算机分析	第57-70页
·小波域内相关技术的理论分析	第57-59页
·多分辨率分析技术	第57-58页
·Haar 小波	第58-59页
·小波域内水墨画艺术风格的纹理特征提取	第59-67页
·实验结果及分析	第67-69页
·本章小结	第69-70页
第五章 支持向量机对水墨画自动分类的进一步研究	第70-82页
·支持向量机的主要概念	第70-73页
·并行一类支持向量机对水墨画的分类方法	第73-76页
·基于统计特征的误判率减少的互动算法	第76-78页
·实验结果及分析	第78-80页
·本章小结	第80-82页
第六章 总结与展望	第82-86页
·工作总结	第82-84页
·未来展望	第84-86页
参考文献	第86-94页
发表论文和参加科研情况说明	第94-95页
致谢	第95页