基于多特征融合技术的商品图像分类
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 背景及研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 图像分类方法的研究 | 第13-15页 |
| 1.2.2 基于多特征的图像分类方法的研究 | 第15-16页 |
| 1.2.3 商品图像分类方法的研究 | 第16-17页 |
| 1.3 论文主要内容和章节安排 | 第17-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第2章 商品图像分类的相关知识介绍 | 第20-28页 |
| 2.1 商品图像的特点 | 第20-21页 |
| 2.2 常用图像数据库介绍 | 第21-22页 |
| 2.3 支持向量机简介 | 第22-27页 |
| 2.3.1 线性与非线性可分的支持向量机 | 第23-26页 |
| 2.3.2 核函数及其性质 | 第26-27页 |
| 2.3.3 支持向量机的优点 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于多特征融合技术的商品图像分类 | 第28-44页 |
| 3.1 图像预处理 | 第28-31页 |
| 3.2 颜色特征 | 第31-34页 |
| 3.2.1 颜色直方图 | 第31-33页 |
| 3.2.2 颜色矩 | 第33-34页 |
| 3.3 局部轮廓特征 | 第34-39页 |
| 3.3.1 尺度不变特征变换SIFT | 第35-36页 |
| 3.3.2 分层梯度方向直方图PHOG | 第36-39页 |
| 3.4 基于改进综合加权的多特征融合方法 | 第39-43页 |
| 3.4.1 权值的计算方法 | 第40-42页 |
| 3.4.2 图像分类算法及其流程 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 模拟实验及结果分析 | 第44-53页 |
| 4.1 LIBSVM工具箱简介 | 第44-45页 |
| 4.2 实验数据处理 | 第45-47页 |
| 4.3 支持向量机的核函数选择 | 第47-48页 |
| 4.4 基于改进的加权方法的模拟实验 | 第48-52页 |
| 4.4.1 与单一特征分类的比较 | 第48-50页 |
| 4.4.2 与其他融合方法分类的比较 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 作者简介 | 第58-59页 |
| 攻读硕士学位期间参与的科研项目及发表的论文 | 第59-60页 |
