融合颜色属性和形变模型的不良图像检测方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 研究现状 | 第7-12页 |
| 1.2.1 感兴趣区域提取 | 第8-9页 |
| 1.2.2 图像视觉内容表达 | 第9-11页 |
| 1.2.3 分类器的设计 | 第11-12页 |
| 1.3 论文内容及章节安排 | 第12-15页 |
| 第二章 不良图像的特征表示 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 HOG 特征 | 第15-18页 |
| 2.3 颜色属性 | 第18-23页 |
| 2.3.1 概率隐含语义分析 | 第18-20页 |
| 2.3.2 颜色属性的学习过程 | 第20-22页 |
| 2.3.3 不良图像的颜色属性表示 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于形变模型的不良图像检测 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 形变模型检测算法 | 第25-30页 |
| 3.2.1 形变模型 | 第26-29页 |
| 3.2.2 混合形变模型 | 第29-30页 |
| 3.3 形变模型的训练过程 | 第30-36页 |
| 3.3.1 隐含支持向量机 | 第31-33页 |
| 3.3.2 参数学习 | 第33-34页 |
| 3.3.3 模型初始化 | 第34页 |
| 3.3.4 不良图像检测时的匹配过程 | 第34-36页 |
| 3.4 实验结果与分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 融合颜色属性和形变模型的不良图像检测 | 第39-45页 |
| 4.1 引言 | 第39页 |
| 4.2 颜色属性与形变模型的融合 | 第39-41页 |
| 4.2.1 融合过程 | 第39-40页 |
| 4.2.2 算法流程 | 第40-41页 |
| 4.3 实验结果与分析 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45页 |
| 5.2 展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 作者在硕士研究生阶段参与的科研工作和研究成果 | 第55-56页 |
