| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 问题研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 本文研究内容及章节安排 | 第10-13页 |
| 第二章 颜色特征提取方法研究 | 第13-21页 |
| 2.1 RGB及HSV颜色空间简单介绍 | 第13-14页 |
| 2.2 HSV空间等间隔量化方法 | 第14-15页 |
| 2.3 HSV空间颜色直方图及改进特征提取方法 | 第15-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 数字图像预处理及形状特征提取方法研究 | 第21-33页 |
| 3.1 数字图像预处理 | 第21-26页 |
| 3.1.1 图像灰度化 | 第21-22页 |
| 3.1.2 图像增强 | 第22页 |
| 3.1.3 图像阈值分割 | 第22-23页 |
| 3.1.4 数学形态学处理 | 第23-24页 |
| 3.1.5 边缘检测 | 第24-26页 |
| 3.2 形状特征提取方法 | 第26-29页 |
| 3.2.1 面积 | 第26页 |
| 3.2.2 目标物覆盖矩形长宽值及长宽比 | 第26-28页 |
| 3.2.3 周长 | 第28页 |
| 3.2.4 最大半径、最小半径及半径比 | 第28页 |
| 3.2.5 圆形度 | 第28-29页 |
| 3.3 形状特征提取算法示例实验 | 第29-32页 |
| 3.3.1 面积 | 第30页 |
| 3.3.2 目标物覆盖矩形长宽值及长宽比 | 第30-31页 |
| 3.3.3 周长 | 第31页 |
| 3.3.4 最大半径、最小半径及半径比 | 第31-32页 |
| 3.3.5 圆形度 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 灰度共生矩阵纹理特征提取方法研究与改进 | 第33-45页 |
| 4.1 常用纹理特征提取算法 | 第33-35页 |
| 4.2 灰度共生矩阵方法介绍 | 第35-37页 |
| 4.3 基于灰度共生矩阵的特征提取算法 | 第37-40页 |
| 4.4 灰度共生矩阵存在的问题及改进 | 第40-43页 |
| 4.4.1 伪像素点 | 第40-42页 |
| 4.4.2 最邻近原则及更多方向上的旋转不变性 | 第42-43页 |
| 4.5 改进算法的样本图像实现 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 基于纹理谱特征图的特征提取方法研究与改进 | 第45-57页 |
| 5.1 纹理谱特征提取方法 | 第45-49页 |
| 5.1.1 纹理单元 | 第45-47页 |
| 5.1.2 纹理特征提取 | 第47-49页 |
| 5.2 纹理谱特征提取算法存在的问题及改进 | 第49-53页 |
| 5.2.1 纹理特征旋转不变性 | 第49-51页 |
| 5.2.2 改进纹理单元的描述能力 | 第51-53页 |
| 5.3 改进算法的样本图像实现 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 实验结果对比及分析 | 第57-79页 |
| 6.1 分类器设计 | 第57-62页 |
| 6.1.1 k-近邻分类器 | 第57-58页 |
| 6.1.2 支持向量机 | 第58-59页 |
| 6.1.3 BP神经网络 | 第59-62页 |
| 6.2 公共数据库说明 | 第62-65页 |
| 6.3 改进灰度共生矩阵特征提取算法分类结果及分析 | 第65-72页 |
| 6.3.1 旋转图像特征与原始图像特征间的欧氏距离 | 第65-68页 |
| 6.3.2 原始及改进提取算法法分类结果对比 | 第68-72页 |
| 6.4 改进纹理谱特征提取算法分类结果及分析 | 第72-77页 |
| 6.4.1 旋转图像特征与原始图像特征间的欧氏距离 | 第72-74页 |
| 6.4.2 原始及改进提取算法分类结果对比 | 第74-77页 |
| 6.5 本章小结 | 第77-79页 |
| 第七章 总结与展望 | 第79-81页 |
| 7.1 工作总结 | 第79页 |
| 7.2 后续研究工作展望 | 第79-81页 |
| 致谢 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间发表论文 | 第87页 |
