基于视觉显著性的商标识别
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.2.1 商标简介 | 第11-12页 |
| 1.2.2 商标识别研究现状 | 第12-14页 |
| 1.3 研究目的 | 第14页 |
| 1.3.1 应用场景 | 第14页 |
| 1.3.2 主要问题 | 第14页 |
| 1.3.3 实现目标 | 第14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 文章组织结构 | 第15-16页 |
| 第2章 相关理论与技术 | 第16-28页 |
| 2.1 图像下采样 | 第16页 |
| 2.2 视觉显著性 | 第16-20页 |
| 2.2.1 视觉注意机制 | 第16页 |
| 2.2.2 视觉显著性检测算法 | 第16-20页 |
| 2.3 图像分割 | 第20-22页 |
| 2.3.1 图像分割概念 | 第20-21页 |
| 2.3.2 阈值分割 | 第21-22页 |
| 2.4 图像特征表示 | 第22-26页 |
| 2.4.1 特征提取 | 第22-25页 |
| 2.4.2 特征选择 | 第25-26页 |
| 2.5 分类器 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于视觉显著性的商标图像分割 | 第28-44页 |
| 3.1 问题分析 | 第28页 |
| 3.2 基于视觉显著性的商标图像分割方法 | 第28-32页 |
| 3.3 MLRC显著性检测算法 | 第32-39页 |
| 3.3.1 MLRC算法框架 | 第33页 |
| 3.3.2 MLRC算法描述 | 第33-36页 |
| 3.3.3 实验结果与分析 | 第36-39页 |
| 3.4 商标图像的显著图分割 | 第39-42页 |
| 3.4.1 分割算法框架 | 第39页 |
| 3.4.2 分割算法描述 | 第39-40页 |
| 3.4.3 实验结果与分析 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 商标图像识别 | 第44-58页 |
| 4.1 多类型特征提取 | 第44-46页 |
| 4.2 基于改进遗传算法的多特征选择 | 第46-52页 |
| 4.2.1 算法框架 | 第46页 |
| 4.2.2 算法描述 | 第46-50页 |
| 4.2.3 实验结果与分析 | 第50-52页 |
| 4.3 基于多类SVM分类器的商标图像识别 | 第52-56页 |
| 4.3.1 构造多类SVM分类器 | 第52-53页 |
| 4.3.2 商标图像识别 | 第53-54页 |
| 4.3.3 实验结果与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 第5章 商标识别系统的设计与实现 | 第58-66页 |
| 5.1 系统设计 | 第58-60页 |
| 5.2 系统实现 | 第60-64页 |
| 5.3 商标图像集的制备 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66页 |
| 6.2 工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间取得的科研成果 | 第73页 |
