| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 引言 | 第10-11页 |
| 1.2 字画分析的研究背景与意义 | 第11-12页 |
| 1.3 字画分析的研究基础与现状 | 第12-14页 |
| 1.4 本文的主要工作与结构安排 | 第14-15页 |
| 第二章 字画真伪检测相关技术 | 第15-29页 |
| 2.1 图像配准 | 第15-20页 |
| 2.1.1 基于图像灰度的配准 | 第15-18页 |
| 2.1.2 基于图像特征的配准 | 第18-20页 |
| 2.2 图像特征提取 | 第20-28页 |
| 2.2.1 结构描述子 | 第20-24页 |
| 2.2.2 纹理描述子 | 第24-27页 |
| 2.2.3 基于多频段理论的纹理特征提取 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于SIFT算子的配准方法 | 第29-43页 |
| 3.1 SIFT算法 | 第29-34页 |
| 3.2 Global Context全局向量 | 第34-35页 |
| 3.3 Ransac随机抽样一致 | 第35-36页 |
| 3.4 LSM最小二乘法 | 第36-39页 |
| 3.5 Perspective Model透视变换模型 | 第39-41页 |
| 3.6 重采样 | 第41-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 特征提取 | 第43-54页 |
| 4.1 印鉴特征提取 | 第43-48页 |
| 4.1.1 块状点状特征 | 第44-47页 |
| 4.1.2 图像相关系数 | 第47-48页 |
| 4.2 国画特征提取 | 第48-52页 |
| 4.2.1 灰度共生矩阵 | 第49-52页 |
| 4.3 油画特征提取 | 第52-53页 |
| 4.3.1 傅里叶低频分量 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 分类器设计 | 第54-62页 |
| 5.1 相似性度量 | 第54-56页 |
| 5.1.1 欧氏距离 | 第54页 |
| 5.1.2 切比雪夫距离 | 第54-55页 |
| 5.1.3 Hausdorff距离 | 第55-56页 |
| 5.1.4 相关系数 | 第56页 |
| 5.2 机器学习 | 第56-60页 |
| 5.2.1 SVM(支持向量机) | 第56-58页 |
| 5.2.2 KNN (K最近邻) | 第58-59页 |
| 5.2.3 NBC(朴素贝叶斯分类器) | 第59-60页 |
| 5.3 投票组合规则 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 实验与分析 | 第62-68页 |
| 6.1 印鉴识别实验 | 第62-63页 |
| 6.2 国画识别实验 | 第63-65页 |
| 6.3 油画识别实验 | 第65-67页 |
| 6.4 本章小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 总结 | 第68-69页 |
| 7.2 展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |