| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 1.4 论文章节安排 | 第17-18页 |
| 第二章 特征提取方法比较 | 第18-32页 |
| 2.1 图像预处理 | 第18-21页 |
| 2.1.1 图像灰度化 | 第18-20页 |
| 2.1.2 图像归一化 | 第20-21页 |
| 2.2 特征提取方法介绍 | 第21-29页 |
| 2.2.1 HOG特征提取 | 第21-23页 |
| 2.2.2 LBP特征提取 | 第23-25页 |
| 2.2.3 SIFT特征提取 | 第25-29页 |
| 2.3 特征表达方法比较 | 第29-31页 |
| 2.3.1 图像灰度化方法比较 | 第29-30页 |
| 2.3.2 图像归一化方法比较 | 第30-31页 |
| 2.3.3 不同特征描述子分类方法比较 | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于颜色字典的舌像特征提取 | 第32-45页 |
| 3.1 颜色空间介绍 | 第32-34页 |
| 3.1.1 RGB颜色空间 | 第32-33页 |
| 3.1.2 CIELab颜色空间 | 第33-34页 |
| 3.2 颜色空间转换 | 第34-35页 |
| 3.3 舌像颜色字典提取 | 第35-38页 |
| 3.4 颜色特征提取 | 第38-41页 |
| 3.4.1 图像分割 | 第38页 |
| 3.4.2 像素点分类 | 第38-39页 |
| 3.4.3 直方图特征 | 第39-41页 |
| 3.5 特征比较 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于Doublet的特征优化 | 第45-51页 |
| 4.1 Doublet | 第45-46页 |
| 4.2 核特征学习 | 第46-49页 |
| 4.2.1 支持向量机 | 第46-47页 |
| 4.2.2 Doublet函数定义 | 第47-48页 |
| 4.2.3 样本重构 | 第48-49页 |
| 4.3 特征优化方法比较 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 舌像分类方法 | 第51-67页 |
| 5.1 支持向量机 | 第51-54页 |
| 5.2 随机森林 | 第54-58页 |
| 5.2.1 决策树 | 第54-56页 |
| 5.2.2 词袋 | 第56-57页 |
| 5.2.3 随机森林原理 | 第57页 |
| 5.2.4 参数实验 | 第57-58页 |
| 5.3 梯度提升决策树 | 第58-62页 |
| 5.3.1 原理 | 第58-61页 |
| 5.3.2 参数实验 | 第61-62页 |
| 5.4 分类方法比较 | 第62-66页 |
| 5.4.1 LBP、HOG和SIFT特征分类方法比较 | 第63-64页 |
| 5.4.2 字典特征分类方法比较 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 在校期间学术成果 | 第72页 |
| 已公开发表论文 | 第72页 |
| 软件著作权 | 第72页 |
| 参加的科研项目 | 第72页 |