基于图像分割的特征提取在零样本学习中的应用
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 变量注释表 | 第15-17页 |
| 1 绪论 | 第17-25页 |
| 1.1 研究背景 | 第17-18页 |
| 1.2 国内外研究现状及存在的问题 | 第18-21页 |
| 1.3 研究意义 | 第21-22页 |
| 1.4 本文的研究内容 | 第22-23页 |
| 1.5 本文的章节安排 | 第23页 |
| 1.6 本章小结 | 第23-25页 |
| 2 基于局部阈值的分水岭算法 | 第25-36页 |
| 2.1 灰度图像分割算法 | 第25-27页 |
| 2.2 基于局部阈值的分水岭算法 | 第27-34页 |
| 2.3 本章小结 | 第34-36页 |
| 3 基于LTW的Gabor滤波器 | 第36-49页 |
| 3.1 纹理特征的概况 | 第36-37页 |
| 3.2 Gabor滤波器及其参数选择 | 第37-40页 |
| 3.3 基于LTW-Gabor的零样本学习 | 第40-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 基于梯度重构的分水岭算法 | 第49-59页 |
| 4.1 彩色图像分割算法 | 第49-50页 |
| 4.2 颜色空间的选取 | 第50-55页 |
| 4.3 基于梯度重构的分水岭算法 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 基于GRW-Lch的颜色特征提取 | 第59-67页 |
| 5.1 颜色特征提取方法 | 第59-61页 |
| 5.2 局部颜色直方图 | 第61-62页 |
| 5.3 基于GRW-Lch的颜色特征提取 | 第62页 |
| 5.4 基于GRW-Lch的零样本学习 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |
