基于支持向量机的图象深度感知技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究的目的和意义 | 第9页 |
| ·图象深度感知技术研究现状 | 第9-11页 |
| ·视觉系统与深度感知 | 第11-12页 |
| ·课题的主要内容 | 第12-13页 |
| ·论文总体结构 | 第13-14页 |
| 2 支持向量机 | 第14-24页 |
| ·支持向量机理论 | 第14-18页 |
| ·支持向量机线性分类 | 第14-17页 |
| ·支持向量机非线性分类 | 第17-18页 |
| ·多类分类器构造 | 第18-21页 |
| ·直接法 | 第18-19页 |
| ·间接法 | 第19-21页 |
| ·多类分类器构造方法的选择 | 第21页 |
| ·大样本数据处理 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 3 图象深度感知 | 第24-37页 |
| ·系统结构 | 第24-25页 |
| ·目标宏块空间关系模型的建立 | 第25-27页 |
| ·深度特征提取 | 第27-28页 |
| ·分类标签的获得 | 第28-29页 |
| ·训练集样本空间分割 | 第29-32页 |
| ·分割超平面选择策略 | 第29-31页 |
| ·样本空间分割策略 | 第31-32页 |
| ·样本空间组合策略 | 第32页 |
| ·深度图滤波 | 第32-34页 |
| ·中值滤波 | 第32-33页 |
| ·形态学滤波 | 第33-34页 |
| ·构建三维图象 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 系统方案的设计与实现 | 第37-46页 |
| ·系统整体设计方案 | 第37页 |
| ·实验数据来源 | 第37-38页 |
| ·实验环境与参数选择 | 第38-39页 |
| ·实验环境 | 第38页 |
| ·参数选择 | 第38-39页 |
| ·样本预处理 | 第39-40页 |
| ·深度图滤波 | 第40-41页 |
| ·训练集分割结果与分析 | 第41-43页 |
| ·预测结果与分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录 | 第51-56页 |
| 攻读学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
