经编织物花纹的自动提取
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题的研究背景 | 第9页 |
| 1.2 课题的研究意义 | 第9-10页 |
| 1.3 花纹提取研究的发展历史及现状 | 第10-13页 |
| 1.3.1 传统花纹设计工艺 | 第10-11页 |
| 1.3.2 图像处理技术在花纹提取中的应用 | 第11-13页 |
| 1.4 图像分割方法概述 | 第13-14页 |
| 1.4.1 数据驱动的图像分割 | 第13-14页 |
| 1.4.2 模型驱动的图像分割 | 第14页 |
| 1.5 本文的主要工作及章节安排 | 第14-16页 |
| 2 基于双树复小波变换的特征提取 | 第16-33页 |
| 2.1 小波变换 | 第16-18页 |
| 2.2 复小波变换 | 第18-20页 |
| 2.2.1 复小波变换的基本概念 | 第18-19页 |
| 2.2.2 双树复小波变换 | 第19-20页 |
| 2.3 纹理特征提取方法 | 第20-24页 |
| 2.3.1 纹理图像概述 | 第20-22页 |
| 2.3.2 灰度共生矩阵 | 第22-23页 |
| 2.3.3 双树复小波变换提取纹理 | 第23-24页 |
| 2.4 颜色空间 | 第24-30页 |
| 2.4.1 RGB颜色空间 | 第25-26页 |
| 2.4.2 YCrCb色彩空间模型 | 第26页 |
| 2.4.3 HSI颜色空间 | 第26-28页 |
| 2.4.4 HSV颜色空间模型 | 第28-30页 |
| 2.5 空间特征 | 第30-31页 |
| 2.6 特征的选取策略 | 第31页 |
| 2.7 小结 | 第31-33页 |
| 3 基于PCA的特征降维 | 第33-39页 |
| 3.1 K-L变换的基本原理 | 第33-35页 |
| 3.2 奇异值分解 | 第35页 |
| 3.3 主成分分析的计算步骤 | 第35-38页 |
| 3.4 小结 | 第38-39页 |
| 4 基于EM算法的高斯混合模型 | 第39-44页 |
| 4.1 EM算法概述 | 第39-40页 |
| 4.2 EM算法的主要性质 | 第40-41页 |
| 4.3 高斯混合模型(GMM)的定义 | 第41-42页 |
| 4.4 应用EM算法于高斯混合模型 | 第42-43页 |
| 4.5 小结 | 第43-44页 |
| 5 织物花纹自动提取实验 | 第44-56页 |
| 5.1 花纹分割的具体步骤 | 第44-45页 |
| 5.2 实验结果与分析 | 第45-49页 |
| 5.2.1 实验一 | 第45-46页 |
| 5.2.2 实验二 | 第46-47页 |
| 5.2.3 实验三 | 第47-49页 |
| 5.3 与K-Means聚类算法的比较 | 第49-53页 |
| 5.3.1 模拟点聚类比较 | 第49-52页 |
| 5.3.2 K-Means织物花纹聚类 | 第52-53页 |
| 5.4 聚类数目的研究 | 第53-54页 |
| 5.5 小结 | 第54-56页 |
| 6 总结与展望 | 第56-59页 |
| 6.1 论文工作的总结 | 第56-57页 |
| 6.2 论文的不足之处 | 第57页 |
| 6.3 对课题研究方向的展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-64页 |
| 致谢 | 第64页 |
