昆虫图像语义标注技术的研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 绪论 | 第12-17页 |
| ·课题研究的背景及意义 | 第12页 |
| ·国内外研究现状及发展趋势 | 第12-14页 |
| ·图像标注的国内外研究现状及发展 | 第12-13页 |
| ·昆虫图像标注技术的研究现状及发展 | 第13-14页 |
| ·本文主要研究内容及章节安排 | 第14-17页 |
| ·主要内容 | 第14-15页 |
| ·章节安排 | 第15-17页 |
| 2 昆虫图像预处理 | 第17-27页 |
| ·引言 | 第17页 |
| ·昆虫图像的特点 | 第17-19页 |
| ·昆虫图像的平滑处理 | 第19-24页 |
| ·均值滤波 | 第19-21页 |
| ·3*3均值滤波 | 第20页 |
| ·超限领域平均滤波 | 第20-21页 |
| ·选择式掩模滤波 | 第21页 |
| ·中值滤波 | 第21-22页 |
| ·N*N中值滤波器 | 第22页 |
| ·十字型中值滤波器 | 第22页 |
| ·均值滤波器和中值滤波器的分析比较 | 第22-24页 |
| ·背景处理 | 第24-25页 |
| ·黑白点噪声处理 | 第25-26页 |
| ·实验结果分析 | 第26-27页 |
| ·滤波处理实验结果分析 | 第26页 |
| ·背景处理实验结果分析 | 第26页 |
| ·孤立黑白点实验结果分析 | 第26-27页 |
| 3 昆虫图像特征提取 | 第27-42页 |
| ·引言 | 第27页 |
| ·形状特征提取 | 第27-38页 |
| ·区域填充 | 第27-28页 |
| ·形态学处理 | 第28-33页 |
| ·边缘提取 | 第33-36页 |
| ·Sobel边缘检测算子 | 第33-34页 |
| ·拉普拉斯边缘检测算子 | 第34页 |
| ·CANNY边缘检测算子 | 第34-35页 |
| ·实验结果与比较分析 | 第35-36页 |
| ·特征提取 | 第36-38页 |
| ·纹理特征提取 | 第38-41页 |
| ·基于图像灰度共生矩阵的纹理特征提取 | 第38-41页 |
| ·实验结果分析 | 第41-42页 |
| 4 图像分类 | 第42-53页 |
| ·引言 | 第42-43页 |
| ·BP神经网络分类器算法介绍 | 第43-46页 |
| ·BP神经网络结构的设计 | 第43-44页 |
| ·BP神经网络的学习训练 | 第44-46页 |
| ·SVM支持向量机算法介绍 | 第46-49页 |
| ·线性可分支持向量机 | 第46-47页 |
| ·线性不可分支持向量机 | 第47-48页 |
| ·非线性可分支持向量机 | 第48-49页 |
| ·BP分类器与SVM分类器的对比分析 | 第49-51页 |
| ·BP神经网络的性能分析 | 第49-50页 |
| ·SVM支持向量机的性能分析 | 第50-51页 |
| ·SVM支持向量机训练学习 | 第51-52页 |
| ·分类识别 | 第52页 |
| ·实验结果分析 | 第52-53页 |
| 5 昆虫图像的语义标注 | 第53-64页 |
| ·引言 | 第53页 |
| ·图像语义标注技术介绍 | 第53-56页 |
| ·无监督语义标注 | 第53-54页 |
| ·监督语义标注 | 第54-55页 |
| ·两种模型的比较分析 | 第55-56页 |
| ·昆虫图像语义标注模型 | 第56-60页 |
| ·目级语义标注模型 | 第56-57页 |
| ·科级语义标注模型 | 第57-60页 |
| ·直翅目昆虫的形态特征分析 | 第58页 |
| ·科级语义标注 | 第58-60页 |
| ·标注性能评价机制 | 第60-61页 |
| ·实验结果分析 | 第61-64页 |
| ·目级语义标注性能分析 | 第61-62页 |
| ·科级语义标注性能分析 | 第62-64页 |
| 6 总结与展望 | 第64-66页 |
| ·本文的主要工作与总结 | 第64页 |
| ·下一步的展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位论文期间发表的学术论文 | 第69页 |
| 参与的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
