基于图像纹理颜色特征的猪体识别研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·本课题研究的目的和选题背景 | 第10-11页 |
| ·彩色图像分割的发展现状 | 第11-12页 |
| ·纹理分析技术的发展现状 | 第12-13页 |
| ·模式识别技术发展现状 | 第13-14页 |
| ·课题主要研究内容和创新点 | 第14-17页 |
| ·主要研究内容 | 第15-16页 |
| ·创新点 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第二章 图像采集和实验样本库的建立 | 第18-21页 |
| ·图像采集和数字化 | 第18页 |
| ·图像量化 | 第18-19页 |
| ·图像样本库的设计 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 特征提取 | 第21-35页 |
| ·纹理特征分析 | 第21-30页 |
| ·灰度共生矩阵法 | 第22-25页 |
| ·多通道Gabor 滤波器法 | 第25-30页 |
| ·人类视觉生理学基础 | 第25-26页 |
| ·不确定性原理 | 第26-27页 |
| ·Gabor 滤波器 | 第27-28页 |
| ·基于多通道Gabor 滤波的设计 | 第28-30页 |
| ·彩色图像的颜色特征分析 | 第30-32页 |
| ·YCbCr 空间的颜色统计模型 | 第30-32页 |
| ·YCbCr 色彩空间 | 第30-31页 |
| ·基于CbCr 分量范围划分的椭圆模型 | 第31-32页 |
| ·纹理和颜色特征的综合分析方法 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 模式识别的理论原理 | 第35-42页 |
| ·模式识别系统概述 | 第35-37页 |
| ·统计模式识别 | 第37-41页 |
| ·决策理论 | 第37-38页 |
| ·最近邻域分类 | 第38-39页 |
| ·特征归一化 | 第39-41页 |
| ·内部归一化 | 第40-41页 |
| ·外部归一化 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 纹理与颜色特征识别实验和结果分析 | 第42-58页 |
| ·实验系统的总体结构 | 第42页 |
| ·实验的硬件组成 | 第42页 |
| ·实验的软件构成 | 第42页 |
| ·纹理特征图像分割及结果分析 | 第42-44页 |
| ·多通道Gabor 滤波的纹理特征提取 | 第43-44页 |
| ·纹理特征的训练提取 | 第43页 |
| ·纹理特征图像分割 | 第43-44页 |
| ·颜色特征图像分割实验以及结果分析 | 第44-49页 |
| ·彩色图像预处理 | 第44-46页 |
| ·彩色图像的光线补偿 | 第45页 |
| ·彩色图像的色彩平衡 | 第45-46页 |
| ·颜色模型分割与结果分析 | 第46-49页 |
| ·结合二维Otsu 算法的颜色空间的纹理特征分割 | 第49-57页 |
| ·Otsu 算法 | 第49-53页 |
| ·Otsu 法阈值选择 | 第50-51页 |
| ·二维Otsu 算法实现 | 第51-53页 |
| ·颜色空间的纹理分割 | 第53-54页 |
| ·试验结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 结论 | 第58页 |
| 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
