基于多特征的图像轮廓检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 本课题研究的背景与意义 | 第8-9页 |
| 1.2 本课题研究的现状与趋势 | 第9-10页 |
| 1.3 本文研究的内容 | 第10-11页 |
| 1.4 本文的组织结构 | 第11-12页 |
| 第二章 图像的多种特征分析 | 第12-26页 |
| 2.1 图像的亮度特征 | 第12-13页 |
| 2.1.1 灰度图像 | 第12页 |
| 2.1.2 灰度直方图 | 第12-13页 |
| 2.2 图像的颜色特征 | 第13-18页 |
| 2.2.1 色彩空间概述 | 第13-17页 |
| 2.2.2 经典的颜色特征提取方法 | 第17-18页 |
| 2.3 图像的纹理特征 | 第18-21页 |
| 2.4 典型的变换和算子 | 第21-23页 |
| 2.4.1 希尔伯特变换 | 第21-22页 |
| 2.4.2 LOG 算子 | 第22-23页 |
| 2.5 图像的特征直方图和梯度 | 第23-25页 |
| 2.5.1 图像的特征直方图 | 第23-24页 |
| 2.5.2 图像的特征梯度 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 图像特征的梯度算法 | 第26-42页 |
| 3.1 亮度和颜色特征的提取 | 第26-29页 |
| 3.1.1 伽马校正 | 第27页 |
| 3.1.2 色彩空间的转换 | 第27-28页 |
| 3.1.3 图像值的归一化 | 第28-29页 |
| 3.2 纹理特征的提取 | 第29-37页 |
| 3.2.1 获取灰度图像 | 第29页 |
| 3.2.2 构建滤波器 | 第29-30页 |
| 3.2.3 滤波器矩阵旋转算法的选取 | 第30-36页 |
| 3.2.4 中心邻域滤波器 | 第36页 |
| 3.2.5 滤波响应的聚类分析 | 第36-37页 |
| 3.3 图像亮度梯度的算法 | 第37-40页 |
| 3.3.1 获取邻域窗口 | 第37-38页 |
| 3.3.2 构建分区方向矩阵 | 第38-39页 |
| 3.3.3 构建特征直方图 | 第39-40页 |
| 3.3.4 计算亮度梯度 | 第40页 |
| 3.4 其他特征梯度的计算 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 算法实现与试验结果分析 | 第42-58页 |
| 4.1 亮度和颜色特征提取算法流程 | 第42页 |
| 4.2 纹理特征提取算法流程 | 第42-43页 |
| 4.3 梯度计算算法流程 | 第43-45页 |
| 4.4 各种特征梯度提取结果的对比 | 第45-47页 |
| 4.5 特征融合算法 | 第47-55页 |
| 4.5.1 线性回归 | 第47-48页 |
| 4.5.2 逻辑回归 | 第48-49页 |
| 4.5.3 支持向量机 | 第49-52页 |
| 4.5.4 特征融合算法流程 | 第52页 |
| 4.5.5 特征融合效果对比 | 第52-54页 |
| 4.5.6 特征融合算法的性能评价 | 第54-55页 |
| 4.6 整体算法的性能评价 | 第55-57页 |
| 4.7 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
