移动端地球仪图像识别系统的设计与实现
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 图像特征提取研究现状 | 第8-10页 |
| 1.2.2 图像识别研究现状 | 第10-11页 |
| 1.2.3 移动端图像识别研究现状 | 第11-12页 |
| 1.3 研究内容与章节安排 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 论文章节安排 | 第13-14页 |
| 2 系统需求分析与设计 | 第14-18页 |
| 2.1 需求分析 | 第14-16页 |
| 2.1.1 系统功能模块需求分析 | 第14-15页 |
| 2.1.2 系统性能需求分析 | 第15-16页 |
| 2.2 可行性分析 | 第16页 |
| 2.3 系统总体设计 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 3 移动端地球仪图像特征提取 | 第18-38页 |
| 3.1 地球仪图像预处理 | 第18-25页 |
| 3.1.1 地球仪图像几何变换 | 第18-21页 |
| 3.1.2 地球仪图像增强 | 第21-23页 |
| 3.1.3 地球仪图像归一化 | 第23-25页 |
| 3.2 图像特征描述子提取算法 | 第25-35页 |
| 3.2.1 局部二值模式 | 第25-27页 |
| 3.2.2 方向梯度直方图 | 第27-29页 |
| 3.2.3 尺度不变特征变换 | 第29-35页 |
| 3.3 地球仪图像特征描述子的选择 | 第35-36页 |
| 3.4 地球仪图像词袋特征提取 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 移动端地球仪图像分类模型 | 第38-52页 |
| 4.1 机器学习分类算法 | 第38-47页 |
| 4.1.1 K近邻算法 | 第38-39页 |
| 4.1.2 决策树算法 | 第39-40页 |
| 4.1.3 朴素贝叶斯 | 第40-41页 |
| 4.1.4 支持向量机算法 | 第41-47页 |
| 4.2 图像分类模型的选择 | 第47-48页 |
| 4.3 地球仪图像异常检测 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 移动端地球仪识别系统的实现 | 第52-62页 |
| 5.1 系统开发环境介绍 | 第52-53页 |
| 5.2 系统功能模块实现 | 第53-60页 |
| 5.2.1 图像预处理模块 | 第55页 |
| 5.2.2 图像特征提取模块 | 第55-57页 |
| 5.2.3 图像异常检测模块 | 第57-58页 |
| 5.2.4 图像分类模块 | 第58-59页 |
| 5.2.5 移动端开发模块 | 第59-60页 |
| 5.3 系统运行与测试 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-71页 |
