| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·选题的目的和意义 | 第10-11页 |
| ·图像分类技术的研究现状和存在的问题 | 第11-13页 |
| ·本文的研究内容和组织结构 | 第13-14页 |
| 第二章 国画图像语义分类 | 第14-40页 |
| ·图像语义模型介绍 | 第14-15页 |
| ·图像单一特征提取 | 第15-23页 |
| ·图像颜色特征 | 第16-17页 |
| ·图像纹理特征 | 第17-19页 |
| ·图像形状特征 | 第19-23页 |
| ·图像特征的融合表示 | 第23-28页 |
| ·颜色特征的量化 | 第23-25页 |
| ·形状特征的计算 | 第25-26页 |
| ·特征融合的计算 | 第26-28页 |
| ·国画低阶特征与语义的对应关系 | 第28-38页 |
| ·色彩对国画语义的影响 | 第28-32页 |
| ·形状对国画语义的影响 | 第32-34页 |
| ·融合特征对国画语义的影响 | 第34-38页 |
| ·本章小节 | 第38-40页 |
| 第三章 图像分类框架 | 第40-51页 |
| ·引言 | 第40-41页 |
| ·支持向量机基本原理 | 第41-42页 |
| ·两类支持向量机 | 第42-44页 |
| ·最优分类超平面 | 第42-43页 |
| ·线性不可分情况 | 第43-44页 |
| ·核支持向量机 | 第44页 |
| ·多类支持向量机 | 第44-46页 |
| ·“一对多”方法 | 第44-45页 |
| ·“一对一”方法 | 第45页 |
| ·SVM决策树(Decision Tree Method，DTM)方法 | 第45-46页 |
| ·支持向量机与神经网络的比较 | 第46-49页 |
| ·选择性集成技术 | 第47页 |
| ·支持向量机分类 | 第47-49页 |
| ·分类结果比较 | 第49页 |
| ·算法整体流程 | 第49-50页 |
| ·本章小节 | 第50-51页 |
| 第四章 系统设计与实现 | 第51-62页 |
| ·系统开发背景 | 第51-52页 |
| ·系统整体流程 | 第52-57页 |
| ·系统结构 | 第52-53页 |
| ·实验流程 | 第53-57页 |
| ·系统实现细节 | 第57-60页 |
| ·系统实现内容及特点与难点 | 第60-62页 |
| 第五章 结论与展望 | 第62-64页 |
| ·本文的主要工作和结论 | 第62页 |
| ·未来工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者在研究生期间发表的论文 | 第70页 |