复杂光照条件下纹理分类算法的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 纹理分类的研究现状与发展 | 第10-12页 |
| 1.4 课题研究内容及结构安排 | 第12-15页 |
| 2 纹理分类系统及光照影响 | 第15-27页 |
| 2.1 纹理的基本概念 | 第15-16页 |
| 2.1.1 纹理的定义 | 第15页 |
| 2.1.2 纹理的种类 | 第15-16页 |
| 2.2 纹理特征提取 | 第16-23页 |
| 2.2.1 纹理特征提取 | 第17-22页 |
| 2.2.2 分类器选择 | 第22-23页 |
| 2.3 光照对纹理分类影响 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 光照处理 | 第27-43页 |
| 3.1 颜色及颜色空间理论 | 第27-30页 |
| 3.1.1 三原色理论 | 第27-28页 |
| 3.1.2 颜色空间 | 第28-30页 |
| 3.2 颜色恒常性算法理论基础 | 第30-32页 |
| 3.2.1 图像形成 | 第31页 |
| 3.2.2 图像校正 | 第31-32页 |
| 3.3 颜色恒常性算法 | 第32-41页 |
| 3.3.1 静态颜色恒常性算法 | 第32-35页 |
| 3.3.2 色域映射算法 | 第35-37页 |
| 3.3.3 基于相关性的颜色恒常性方法 | 第37-38页 |
| 3.3.4 基于语义的颜色恒常性算法 | 第38-41页 |
| 3.4 本章小结 | 第41-43页 |
| 4 基于小波去噪模型的不变特征提取方法 | 第43-72页 |
| 4.1 引言 | 第43页 |
| 4.2 光照影响 | 第43-46页 |
| 4.2.1 理想光照条件下的纹理图像 | 第43-45页 |
| 4.2.2 观测纹理图像 | 第45-46页 |
| 4.3 去噪模型 | 第46-48页 |
| 4.4 传统的光照不变量提取方法 | 第48页 |
| 4.5 本文光照不变特征提取方法 | 第48-53页 |
| 4.5.1 纹理图像与人脸图像 | 第48-50页 |
| 4.5.2 光照不变特征提取模型 | 第50-53页 |
| 4.6 基于小波变换的光照不变特征提取方法 | 第53-62页 |
| 4.6.1 传统小波变换 | 第53-55页 |
| 4.6.2 小波系数处理 | 第55-62页 |
| 4.7 实验结果及分析 | 第62-71页 |
| 4.7.1 实验图像库 | 第62-63页 |
| 4.7.2 特征降维及分类器选择 | 第63-65页 |
| 4.7.3 参数 的设定 | 第65-66页 |
| 4.7.4 光照对各高频分量的影响 | 第66页 |
| 4.7.5 不同 K 值时分类器性能 | 第66-68页 |
| 4.7.6 不同高频处理方法之间性能 | 第68-69页 |
| 4.7.7 算法在不同颜色空间中的性能比较 | 第69页 |
| 4.7.8 不同算法性能比较 | 第69-71页 |
| 4.8 本章小结 | 第71-72页 |
| 5 光照不变特征提取在变电站开关识别中的应用 | 第72-81页 |
| 5.1 系统概述 | 第72页 |
| 5.2 开关图像预处理 | 第72-74页 |
| 5.3 目标分割与提取 | 第74-77页 |
| 5.3.1 目标分割 | 第74-75页 |
| 5.3.2 中值滤波与形态学处理 | 第75-77页 |
| 5.3.3 目标区域定位 | 第77页 |
| 5.4 特征提取及识别 | 第77-80页 |
| 5.4.1 颜色直方图提取 | 第78页 |
| 5.4.2 距离度量以及目标识别 | 第78-80页 |
| 5.5 小结 | 第80-81页 |
| 6 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81页 |
| 6.2 后续工作展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 附录 | 第91页 |
| 作者在攻读学位期间发表的论文 | 第91页 |
