| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 符号说明 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| §1.1 引言 | 第14页 |
| §1.2 课题研究的目的和意义 | 第14-15页 |
| §1.3 研究背景 | 第15-19页 |
| 1.3.1 图像特征 | 第15-17页 |
| 1.3.2 图像特征提取技术 | 第17页 |
| 1.3.3 AdaBoost算法 | 第17-18页 |
| 1.3.4 图像分类技术 | 第18-19页 |
| §1.4 国内外研究现状 | 第19-20页 |
| 1.4.1 图像特征提取方法的发展现状 | 第19页 |
| 1.4.2 AdaBoost算法解决多分类问题 | 第19-20页 |
| 1.4.3 图像分类技术的发展现状 | 第20页 |
| §1.5 论文的研究内容和结构安排 | 第20-22页 |
| 第二章 图像颜色特征与提取方法 | 第22-31页 |
| §2.1 简介 | 第22-24页 |
| 2.1.1 图像颜色特征的定义 | 第22页 |
| 2.1.2 图像的颜色空间 | 第22-24页 |
| §2.2 图像颜色特征提取方法 | 第24-27页 |
| 2.2.1 颜色矩方法 | 第24页 |
| 2.2.2 颜色集方法 | 第24-25页 |
| 2.2.3 颜色聚合向量方法 | 第25页 |
| 2.2.4 基于HSV颜色空间的颜色直方图方法 | 第25-27页 |
| §2.3 图像颜色特征相似性评价标准 | 第27-28页 |
| 2.3.1 直方图相交法 | 第27-28页 |
| 2.3.2 欧氏距离法 | 第28页 |
| §2.4 实验结果 | 第28-30页 |
| §2.5 本章小结 | 第30-31页 |
| 第三章 图像纹理特征与提取方法 | 第31-42页 |
| §3.1 简介 | 第31-32页 |
| 3.1.1 引入图像纹理特征的意义 | 第31页 |
| 3.1.2 图像纹理特征的概念 | 第31-32页 |
| §3.2 纹理的特性 | 第32-33页 |
| §3.3 图像纹理特征的提取方法 | 第33-39页 |
| 3.3.1 Tamura纹理特征 | 第33-35页 |
| 3.3.2 小波变换方法与灰度共生矩阵方法相结合 | 第35-39页 |
| §3.4 实验结果 | 第39-41页 |
| §3.5 本章小结 | 第41-42页 |
| 第四章 图像形状特征与提取方法 | 第42-54页 |
| §4.1 简介 | 第42-43页 |
| 4.1.1 引入图像形状特征的意义 | 第42页 |
| 4.1.2 图像形状特征的定义 | 第42-43页 |
| §4.2 图像形状特征的提取方法 | 第43-52页 |
| 4.2.1 基于边界(轮廓)的形状特征提取方法 | 第43-48页 |
| 4.2.2 基于区域的形状特征提取方法 | 第48-51页 |
| 4.2.3 小波去噪与Hu不变矩结合提取图像的形状特征 | 第51-52页 |
| §4.3 实验结果 | 第52-53页 |
| §4.4 本章小结 | 第53-54页 |
| 第五章 Adaboost算法与多特征融合的图像分类 | 第54-62页 |
| §5.1 Adaboost算法介绍 | 第54-58页 |
| 5.1.1 Adaboost算法的提出背景 | 第54页 |
| 5.1.2 Adaboost算法的计算过程 | 第54-58页 |
| §5.2 图像多特征的融合 | 第58-59页 |
| §5.3 将Adaboost算法应用到多特征的融合的图像分类中 | 第59-60页 |
| §5.4 实验结果 | 第60-61页 |
| §5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的论文和专利 | 第71-72页 |
| 附件 | 第72页 |
