基于核方法的图像分割算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题意义与研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·图像分割研究现状 | 第10-11页 |
| ·支持向量机研究现状 | 第11-12页 |
| ·论文的主要研究内容与结构安排 | 第12-14页 |
| 第二章 阈值分割法和边缘检测图像分割 | 第14-27页 |
| ·图像分割概述 | 第14-15页 |
| ·图像阈值分割法 | 第15-20页 |
| ·基于各像素值的阈值分割方法 | 第15-16页 |
| ·基于区域性质的阈值分割方法 | 第16-20页 |
| ·图像边缘检测分割法 | 第20-25页 |
| ·边缘检测原理 | 第20-21页 |
| ·一阶微分和二阶微分描述 | 第21-22页 |
| ·传统微分算子 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 统计学习理论与改进的支持向量机算法 | 第27-43页 |
| ·统计学习理论 | 第28-31页 |
| ·机器学习问题的表示 | 第28-29页 |
| ·学习过程一致性的条件 | 第29页 |
| ·学习机器推广能力的界和VC维 | 第29-30页 |
| ·结构风险最小化 | 第30-31页 |
| ·核函数与核方法 | 第31-33页 |
| ·支持向量机分类方法 | 第33-37页 |
| ·最优分类面 | 第33页 |
| ·线性支持向量机 | 第33-37页 |
| ·非线性支持向量机 | 第37页 |
| ·基于核空间分类几何直观的改进支持向量机算法 | 第37-41页 |
| ·方案一（统计性方案） | 第39页 |
| ·方案二（贪婪算法方案） | 第39-40页 |
| ·方案三（惩罚训练方案） | 第40-41页 |
| ·改进支持向量机算法性能验证 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于改进支持向量机的纹理图像分割 | 第43-51页 |
| ·图像特征提取方法 | 第43-48页 |
| ·颜色特征 | 第43-44页 |
| ·空间特征 | 第44-45页 |
| ·纹理特征 | 第45-48页 |
| ·特征向量归一化 | 第48页 |
| ·纹理图像分割 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59页 |
