基于内容的花卉图像检索算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景与研究意义 | 第9-12页 |
| 1.1.1 图像检索的研究背景和意义 | 第9-11页 |
| 1.1.2 植物图像检索的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 花卉图像检索存在的难点 | 第13页 |
| 1.4 论文的主要工作和章节安排 | 第13-15页 |
| 第2章 基于内容图像检索的基础理论 | 第15-27页 |
| 2.1 图像内容的视觉特征描述 | 第15-22页 |
| 2.1.1 颜色特征 | 第15-18页 |
| 2.1.2 纹理特征 | 第18-20页 |
| 2.1.3 形状特征 | 第20-22页 |
| 2.2 图像的相似性度量计算 | 第22-23页 |
| 2.3 图像检索的相关反馈机制 | 第23-24页 |
| 2.4 图像检索性能的评价准则 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于颜色信息熵和分块颜色矩的花卉图像检索 | 第27-35页 |
| 3.1 图像预处理 | 第27-29页 |
| 3.1.1 图像平滑 | 第27-28页 |
| 3.1.2 图像锐化 | 第28-29页 |
| 3.2 颜色空间的选取及量化 | 第29-30页 |
| 3.3 颜色信息熵的计算 | 第30-31页 |
| 3.3.1 颜色直方图 | 第30页 |
| 3.3.2 颜色信息熵 | 第30-31页 |
| 3.4 分块颜色矩的计算 | 第31-33页 |
| 3.4.1 分块策略 | 第31-32页 |
| 3.4.2 颜色矩特征 | 第32页 |
| 3.4.3 相似性度量 | 第32-33页 |
| 3.5 实验结果及分析 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于视觉注意模型的花卉图像显著图提取 | 第35-49页 |
| 4.1 视觉注意机制 | 第35页 |
| 4.2 传统的BOTTOM-UP视觉注意模型 | 第35-43页 |
| 4.2.1 Itti视觉注意模型 | 第35-40页 |
| 4.2.2 实验结果及分析 | 第40-41页 |
| 4.2.3 频域谱残差视觉注意模型 | 第41-42页 |
| 4.2.4 实验结果及分析 | 第42-43页 |
| 4.3 改进的视觉注意模型 | 第43-48页 |
| 4.3.1 具体算法实现步骤 | 第44-47页 |
| 4.3.2 实验结果及分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 基于花卉图像显著图的特征提取 | 第49-57页 |
| 5.1 基于花卉图像显著图的视觉特征提取 | 第49-55页 |
| 5.1.1 颜色特征 | 第49-50页 |
| 5.1.2 纹理特征 | 第50-52页 |
| 5.1.3 边缘特征 | 第52-55页 |
| 5.2 多特征融合 | 第55页 |
| 5.3 特征归一化 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第6章 基于SVM的花卉图像检索及系统性能检测 | 第57-69页 |
| 6.1 主要思想和流程 | 第57页 |
| 6.2 SVM分类器 | 第57-61页 |
| 6.2.1 线性可分的SVM | 第58-59页 |
| 6.2.2 非线性可分的SVM | 第59-60页 |
| 6.2.3 核函数映射下的SVM | 第60-61页 |
| 6.2.4 多类分类的问题 | 第61页 |
| 6.3 基于SVM的多类分类器的构造 | 第61-64页 |
| 6.3.1 实验框架 | 第61-62页 |
| 6.3.2 多类分类器构造的关键步骤 | 第62-64页 |
| 6.4 基于SVM的花卉图像检索实验及结果分析 | 第64-68页 |
| 6.4.1 检索性能评价标准 | 第64页 |
| 6.4.2 实验结果及分析 | 第64-68页 |
| 6.5 本章小结 | 第68-69页 |
| 第7章 总结与展望 | 第69-71页 |
| 7.1 论文工作总结 | 第69页 |
| 7.2 展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 研究生期间发表论文及参加项目情况 | 第76-77页 |
