图像识别中的弱分类器自适应集成增强方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景 | 第11页 |
| ·国内外研究概况及发展趋势 | 第11-16页 |
| ·硬件应用方面 | 第12-14页 |
| ·识别方法研究 | 第14-16页 |
| ·技术难点及发展趋势 | 第16-18页 |
| ·问题与难点 | 第16-17页 |
| ·发展趋势 | 第17-18页 |
| ·研究目的、意义和内容 | 第18-19页 |
| 第2章 图像识别系统 | 第19-35页 |
| ·引言 | 第19页 |
| ·系统构成框架 | 第19-22页 |
| ·基本原理 | 第19-21页 |
| ·基本构成 | 第21-22页 |
| ·分类器设计模块 | 第22-29页 |
| ·映射关系 | 第22-26页 |
| ·特征空间 | 第26-28页 |
| ·分类器选取准则 | 第28-29页 |
| ·机器学习模块 | 第29-34页 |
| ·机器学习理论 | 第30页 |
| ·学习过程与结构框架 | 第30-31页 |
| ·机器学习方法探究 | 第31-34页 |
| ·小结 | 第34-35页 |
| 第3章 多弱分类器集成系统设计 | 第35-47页 |
| ·引言 | 第35页 |
| ·集成系统构架 | 第35-37页 |
| ·多分类器集成方法描述 | 第35页 |
| ·集成框架设计 | 第35-36页 |
| ·决策的融合规则设计 | 第36-37页 |
| ·特征选择与提取 | 第37-44页 |
| ·矩形特征分析 | 第37-39页 |
| ·矩形特征描述 | 第39页 |
| ·检测器内特征总数计算 | 第39-41页 |
| ·构建积分图 | 第41-44页 |
| ·小结 | 第44-47页 |
| 第4章 自适应增强方法设计 | 第47-59页 |
| ·引言 | 第47页 |
| ·算法描述 | 第47-49页 |
| ·弱分类器的生成策略 | 第47-48页 |
| ·分类器的动态行选取技术 | 第48页 |
| ·差异度测度分析 | 第48-49页 |
| ·弱分类器权重的自适应设计 | 第49-51页 |
| ·弱分类器权重的动态度量 | 第49-50页 |
| ·阈值和偏置 | 第50-51页 |
| ·多分类器动态输出方法 | 第51-58页 |
| ·算法流程 | 第51-53页 |
| ·分类器的训练 | 第53-55页 |
| ·收敛性分析 | 第55-57页 |
| ·泛化能力分析 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第5章 实验设计与结果分析 | 第59-79页 |
| ·引言 | 第59页 |
| ·实验平台搭建 | 第59-64页 |
| ·板带钢的运动系统 | 第59-63页 |
| ·实验光源 | 第63页 |
| ·实验相机 | 第63-64页 |
| ·系统布局 | 第64页 |
| ·软件系统编制 | 第64-67页 |
| ·开发环境 | 第64-65页 |
| ·软件系统介绍 | 第65-67页 |
| ·实验过程及结果 | 第67-74页 |
| ·训练样本与测试样本的选择 | 第67-69页 |
| ·缺陷图像的检测实验 | 第69-72页 |
| ·实验结果 | 第72-74页 |
| ·实验分析 | 第74-79页 |
| ·结果分析 | 第74-75页 |
| ·缺陷产生原因分析 | 第75-76页 |
| ·相关识别方法比较 | 第76-79页 |
| 第6章 结论 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87页 |
