| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-17页 |
| ·本研究的目的和意义 | 第9-10页 |
| ·木材表面颜色的研究现状 | 第10-11页 |
| ·计算机图像处理技术在颜色研究方面的应用 | 第11-13页 |
| ·计算机图像处理技术 | 第11-12页 |
| ·基于计算机图像处理技术的颜色研究方法 | 第12-13页 |
| ·模式识别方法 | 第13-15页 |
| ·模式识别系统 | 第13-14页 |
| ·模式识别的基本方法 | 第14-15页 |
| ·本课题的主要研究内容及研究路线 | 第15-16页 |
| ·主要研究内容 | 第15-16页 |
| ·研究路线 | 第16页 |
| ·本文结构 | 第16页 |
| ·本章小结 | 第16-17页 |
| 2 木材表面图像的采集与预处理 | 第17-27页 |
| ·实验样本库的建立 | 第17-21页 |
| ·图像采集系统 | 第21-22页 |
| ·图像数字化 | 第22-24页 |
| ·采样 | 第23页 |
| ·量化 | 第23-24页 |
| ·图像预处理 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 木材表面图像的颜色分析方法 | 第27-47页 |
| ·彩色图像处理中的颜色空间模型 | 第27-32页 |
| ·颜色模型的分类 | 第27-28页 |
| ·RGB颜色模型 | 第28页 |
| ·CMYK颜色模型 | 第28-29页 |
| ·HSV颜色模型 | 第29-30页 |
| ·XYZ颜色模型 | 第30页 |
| ·L~*a~*b~*颜色模型 | 第30-32页 |
| ·颜色空间的选择 | 第32页 |
| ·木材表面颜色的分析方法 | 第32-46页 |
| ·HSV颜色空间下的统计直方图法 | 第32-39页 |
| ·HSV颜色空间下的颜色矩法 | 第39-42页 |
| ·L~*a~*b~*颜色空间下的色差分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 4 木材表面颜色的分类识别 | 第47-56页 |
| ·近邻法 | 第47-48页 |
| ·最近邻法 | 第47页 |
| ·k-近邻法 | 第47-48页 |
| ·神经网络 | 第48-49页 |
| ·统计学习理论 | 第49-51页 |
| ·VC维 | 第49页 |
| ·推广性的界 | 第49-50页 |
| ·结构风险最小化 | 第50-51页 |
| ·支持向量机 | 第51-54页 |
| ·广义最优分类面 | 第51-52页 |
| ·支持向量机 | 第52-53页 |
| ·支持向量机方法的主要优点 | 第53-54页 |
| ·核函数 | 第54页 |
| ·支持向量机的模型选择问题 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 5 木材表面颜色的特征选择方法 | 第56-73页 |
| ·特征选择 | 第56-57页 |
| ·评价准则 | 第56-57页 |
| ·搜索算法 | 第57页 |
| ·模拟退火算法 | 第57-62页 |
| ·Metropolis抽样准则 | 第58-59页 |
| ·模拟退火过程 | 第59-60页 |
| ·模拟退火法的改进 | 第60-61页 |
| ·模拟退火法的实现 | 第61-62页 |
| ·基于最近邻分类器分类正确率——模拟退火算法的特征选择 | 第62页 |
| ·遗传算法 | 第62-72页 |
| ·遗传算法的基本流程 | 第63-64页 |
| ·遗传算法关键参数的设计 | 第64-66页 |
| ·遗传操作 | 第66-70页 |
| ·遗传算法的优点、不足和改进 | 第70-71页 |
| ·基于最近邻分类器分类正确率——遗传算法的特征选择 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 6 木材表面颜色分类实验及结果分析 | 第73-88页 |
| ·MATLAB编程语言 | 第73-74页 |
| ·实验的总体思路 | 第74-75页 |
| ·不同类别木材样本的颜色特征 | 第75-79页 |
| ·10类样本的颜色直方图统计特征分析 | 第75-77页 |
| ·10类样本的颜色矩特征分析 | 第77页 |
| ·10类样本的色差特征分析 | 第77-79页 |
| ·特征选择的实验结果与分析 | 第79-83页 |
| ·穷尽法特征选择结果 | 第79-80页 |
| ·最近邻分类正确率——模拟退火算法特征选择结果 | 第80-81页 |
| ·最近邻分类正确率——遗传算法特征选择结果 | 第81-82页 |
| ·特征选择结果的比较 | 第82-83页 |
| ·分类结果 | 第83-86页 |
| ·不同分类器的分类结果 | 第83-84页 |
| ·不同核函数分类结果 | 第84-86页 |
| ·特征选择前后的分类结果分析 | 第86页 |
| ·本章小结 | 第86-88页 |
| 7 木材表面颜色模式识别实验系统 | 第88-96页 |
| ·实验系统的总体结构 | 第88-89页 |
| ·实验系统硬件构成 | 第89页 |
| ·实验软件系统 | 第89-95页 |
| ·"文件"菜单 | 第91-92页 |
| ·"提取特征"菜单 | 第92-93页 |
| ·"分类"菜单 | 第93-94页 |
| ·"帮助"菜单 | 第94页 |
| ·其他 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 结论 | 第96-97页 |
| 参考文献 | 第97-101页 |
| 附录 | 第101-102页 |
| 攻读学位期间发表的学术论文 | 第102-103页 |
| 致谢 | 第103-104页 |