基于多特征的兵马俑碎片图像分类及检索技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究思路和方法 | 第12页 |
| 1.4 论文结构和内容 | 第12-14页 |
| 第二章 碎片分类及检索相关概念和技术综述 | 第14-26页 |
| 2.1 图像特征提取技术 | 第14-16页 |
| 2.2 文物碎片分类技术 | 第16-19页 |
| 2.3 图像检索技术 | 第19-21页 |
| 2.3.1 基于文本的图像检索 | 第19-20页 |
| 2.3.2 基于内容的图像检索 | 第20-21页 |
| 2.4 相似性度量技术 | 第21-23页 |
| 2.4.1 基于距离的相似性度量 | 第22页 |
| 2.4.2 基于分类学习的相似性度量 | 第22-23页 |
| 2.5 边缘检测技术 | 第23页 |
| 2.6 特征融合技术 | 第23-24页 |
| 2.7 本章小结 | 第24-26页 |
| 第三章 兵马俑碎片图像特征提取及融合过程 | 第26-42页 |
| 3.1 图像预处理 | 第26-27页 |
| 3.1.1 概述 | 第26页 |
| 3.1.2 图像处理过程 | 第26-27页 |
| 3.2 图像纹理特征提取 | 第27-33页 |
| 3.2.1 SIFT特征提取 | 第27-30页 |
| 3.2.2 K-means聚类 | 第30-31页 |
| 3.2.3 词袋模型构建 | 第31-33页 |
| 3.3 图像形状特征提取 | 第33-36页 |
| 3.3.1 形状特征提取流程 | 第33-34页 |
| 3.3.2 Canny算子进行边缘检测 | 第34-35页 |
| 3.3.3 提取图像Hu不变矩 | 第35-36页 |
| 3.4 图像多特征优化及融合 | 第36-41页 |
| 3.4.1 概述 | 第36-37页 |
| 3.4.2 基于PCA的SIFT特征降维 | 第37-38页 |
| 3.4.3 多特征动态加权融合 | 第38-39页 |
| 3.4.4 基于多核的核函数加权融合 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于多特征和SVM的碎片分类及检索 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 SVM多分类实现 | 第43-45页 |
| 4.2.1 SVM分类基本思想 | 第43-44页 |
| 4.2.2 多分类方式选择 | 第44-45页 |
| 4.3 核函数选择 | 第45-46页 |
| 4.4 碎片分类结果及分析 | 第46-49页 |
| 4.4.1 实验一 | 第46-47页 |
| 4.4.2 实验二 | 第47-48页 |
| 4.4.3 实验三 | 第48-49页 |
| 4.5 碎片检索结果及分析 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 兵马俑碎片分类系统设计与实现 | 第52-62页 |
| 5.1 开发背景和环境 | 第52-53页 |
| 5.2 系统架构和模块介绍 | 第53-54页 |
| 5.3 模型构建及碎片分类实现 | 第54-56页 |
| 5.4 系统展示 | 第56-60页 |
| 5.5 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 本文工作总结 | 第62页 |
| 6.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-70页 |
| 致谢 | 第70-71页 |
