基于颜色特征的木质板材分类方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·本研究的目的和意义 | 第9-10页 |
| ·木质板材颜色特征研究的现状 | 第10-11页 |
| ·计算机模式识别的系统与方法 | 第11-14页 |
| ·计算机模式识别系统 | 第11-12页 |
| ·模式识别方法 | 第12-14页 |
| ·论文主要的研究内容 | 第14-16页 |
| ·研究的主要内容 | 第14-15页 |
| ·研究流程图 | 第15-16页 |
| 2 基于颜色特征的图像分类概述 | 第16-27页 |
| ·图像分类的一般过程 | 第16-17页 |
| ·常见的颜色空间模型 | 第17-21页 |
| ·RGB颜色空间 | 第17-18页 |
| ·HSV颜色空间 | 第18-19页 |
| ·L~*a~*~b颜色空间 | 第19-20页 |
| ·其他颜色空间 | 第20-21页 |
| ·颜色特征表示方法 | 第21-24页 |
| ·颜色直方图及其统计特征表示 | 第21-22页 |
| ·颜色矩定义及其特征表示 | 第22-23页 |
| ·其他颜色特征表示 | 第23-24页 |
| ·颜色特征的优化 | 第24-25页 |
| ·特征优化的判据 | 第24-25页 |
| ·搜索策略 | 第25页 |
| ·分类方法的选择与性能优化 | 第25-26页 |
| ·分类方法的选择 | 第25-26页 |
| ·分类性能的评价 | 第26页 |
| ·本章小结 | 第26-27页 |
| 3 分类器原理与设计 | 第27-37页 |
| ·K-近邻分类器 | 第27-28页 |
| ·最近邻决策规则 | 第27页 |
| ·K-近邻法 | 第27-28页 |
| ·神经网络分类器 | 第28-32页 |
| ·BP神经网络分类器 | 第28-31页 |
| ·PNN神经网络分类器 | 第31-32页 |
| ·支持向量机分类器 | 第32-36页 |
| ·支持向量机的定义 | 第32页 |
| ·支持向量机的核函数 | 第32-33页 |
| ·支持向量机模型 | 第33-34页 |
| ·SVM多分类问题 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于提升小波提取木质板材颜色特征的研究 | 第37-44页 |
| ·小波变换的定义 | 第37页 |
| ·提升小波变换的基本原理 | 第37-40页 |
| ·提升小波的分解 | 第38-39页 |
| ·提升小波的重构 | 第39-40页 |
| ·提升小波在颜色特征提取上的应用 | 第40-41页 |
| ·颜色空间的选取 | 第40页 |
| ·颜色特征的提取 | 第40-41页 |
| ·分类结果分析 | 第41-42页 |
| ·实验样本库的建立 | 第41页 |
| ·实验仿真结果 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 5 基于信息熵理论的特征加权分类方法研究 | 第44-51页 |
| ·基于HSV颜色空间的颜色直方图统计特征 | 第44页 |
| ·信息熵理论及其在特征权重调整上的应用 | 第44-47页 |
| ·信息熵理论概述 | 第44-45页 |
| ·特征权重值调整的具体算法 | 第45-47页 |
| ·分类结果分析 | 第47-50页 |
| ·K-近邻分类器的分类结果分析 | 第47-48页 |
| ·BP神经网络分类器的分类结果分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 6 基于全局代表色与局部代表色的分类方法研究 | 第51-56页 |
| ·颜色空间的量化处理 | 第51-52页 |
| ·木材表面图像颜色特征的提取 | 第52-54页 |
| ·全局代表色的提取 | 第52-53页 |
| ·局部代表色的提取 | 第53-54页 |
| ·分类结果分析 | 第54-55页 |
| ·未进行特征选择的分类结果 | 第54页 |
| ·基于遗传算法进行特征选择的分类结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |
