网络教育资源中图形的视觉特征分析及图形分类研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-18页 |
| ·图像的视觉特征提取技术研究现状 | 第12-16页 |
| ·图像分类的研究现状 | 第16-18页 |
| ·论文的主要内容 | 第18-20页 |
| 第二章 图形的视觉特征描述与提取 | 第20-35页 |
| ·颜色特征描述 | 第20-23页 |
| ·颜色模型 | 第20-22页 |
| ·颜色通道距离 | 第22-23页 |
| ·形状特征的描述和提取 | 第23-31页 |
| ·图形对象数 | 第23-24页 |
| ·逼近多边形的面积 | 第24-25页 |
| ·区域饱和度 | 第25页 |
| ·狭长度 | 第25-26页 |
| ·离散度 | 第26页 |
| ·凹凸度 | 第26页 |
| ·不变矩 | 第26-29页 |
| ·线条密集度 | 第29页 |
| ·边缘密度 | 第29-31页 |
| ·空间关系特征描述及提取 | 第31-35页 |
| ·图像的“弱分割”思想 | 第32页 |
| ·距离分布概率及方差 | 第32-35页 |
| 第三章 基于视觉特征的图形分类体系 | 第35-42页 |
| ·图形概念界定 | 第35页 |
| ·图形和图像、形状的区别 | 第35-36页 |
| ·基于视觉特征的图形分类体系建立原则 | 第36页 |
| ·基于视觉特征的图形分类体系 | 第36-42页 |
| ·单对象图形 | 第37-39页 |
| ·多对象图形 | 第39-42页 |
| 第四章 基于视觉特征的图形分类方法 | 第42-66页 |
| ·图形分类方法 | 第42-47页 |
| ·支持向量机 SVM图形分类方法 | 第42-45页 |
| ·BP神经网络图形分类方法 | 第45-47页 |
| ·判断图形的背景色和前景对象 | 第47-48页 |
| ·彩色图形和黑白图形的分类方法 | 第48-50页 |
| ·分类算法分析 | 第48-49页 |
| ·实验结果分析 | 第49-50页 |
| ·单对象图形和多对象图形的分类方法 | 第50-51页 |
| ·分类参量 | 第50页 |
| ·分类算法分析 | 第50页 |
| ·实验结果 | 第50-51页 |
| ·单对象图形的分类方法 | 第51-59页 |
| ·线条图形和填充图形的分类方法 | 第51-52页 |
| ·线条单对象图形的区分 | 第52-54页 |
| ·填充单对象图形的分类方法 | 第54-59页 |
| ·多对象图形的分类方法 | 第59-65页 |
| ·对称图形和非对称图形的分类方法 | 第60-62页 |
| ·多元对称图形的分类方法 | 第62-63页 |
| ·二元对称图形的分类方法 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表论文 | 第73页 |
