基于颜色和纹理特征的图像复杂度研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 图像复杂度研究方法状况 | 第9-11页 |
| 1.2.2 图像复杂度应用领域状况 | 第11-13页 |
| 1.3 本文的主要工作及论文结构 | 第13-16页 |
| 1.3.1 本文的主要工作 | 第13-14页 |
| 1.3.2 论文内容结构安排 | 第14-16页 |
| 第二章 图像复杂度的相关理论 | 第16-25页 |
| 2.1 图像复杂度原理和分类 | 第16-18页 |
| 2.1.1 图像复杂度原理 | 第16页 |
| 2.1.2 图像复杂度分类 | 第16-18页 |
| 2.2 图像复杂度特征 | 第18-19页 |
| 2.2.1 颜色特征 | 第18页 |
| 2.2.2 纹理特征 | 第18页 |
| 2.2.3 形状特征 | 第18-19页 |
| 2.2.4 空间信息特征 | 第19页 |
| 2.3 图像复杂度评价方法 | 第19-23页 |
| 2.3.1 基于组合论的图像复杂度 | 第19-21页 |
| 2.3.2 基于空间分布的图像复杂度 | 第21-22页 |
| 2.3.3 基于目标对象个数的图像复杂度 | 第22页 |
| 2.3.4 基于机器学习的图像复杂度 | 第22-23页 |
| 2.4 图像复杂度评价难点 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于颜色特征的图像复杂度研究 | 第25-41页 |
| 3.1 颜色模型 | 第25-26页 |
| 3.1.1 RGB颜色模型 | 第25-26页 |
| 3.1.2 HSV颜色模型 | 第26页 |
| 3.2 颜色量化处理 | 第26-28页 |
| 3.3 颜色特征表达 | 第28-33页 |
| 3.3.1 颜色熵 | 第28-29页 |
| 3.3.2 颜色分布均匀度 | 第29-31页 |
| 3.3.3 颜色矩 | 第31-32页 |
| 3.3.4 颜色空间分布复杂度 | 第32-33页 |
| 3.4 基于颜色特征的复杂度评价方法 | 第33-40页 |
| 3.4.1 支持向量机分类原理 | 第34-36页 |
| 3.4.2 基于支持向量机的复杂度分类 | 第36-38页 |
| 3.4.3 支持向量回归机原理 | 第38-39页 |
| 3.4.4 基于支持向量回归机的精确复杂度预测 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于纹理特征的图像复杂度研究 | 第41-51页 |
| 4.1 图像纹理概述 | 第41页 |
| 4.2 纹理特征表达 | 第41-45页 |
| 4.2.1 灰度直方图的矩 | 第41-42页 |
| 4.2.2 灰度共生矩阵 | 第42-45页 |
| 4.3 本文采用的纹理特征 | 第45-46页 |
| 4.4 基于纹理特征的复杂度评价方法 | 第46-50页 |
| 4.4.1 基于模糊集的图像复杂度分类 | 第47-48页 |
| 4.4.2 图像精确复杂度值评价 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 图像复杂度实验分析 | 第51-61页 |
| 5.1 图像复杂度的主观评价实验 | 第51-52页 |
| 5.2 基于颜色特征的复杂度评价试验 | 第52-57页 |
| 5.2.1 实验及结果分析 | 第52-55页 |
| 5.2.2 不同的评价方法对比 | 第55-57页 |
| 5.3 基于纹理特征的复杂度评价试验 | 第57-60页 |
| 5.3.1 实验结果及分析 | 第57-58页 |
| 5.3.2 不同的评价方法对比 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 作者简介及科研成果 | 第66页 |
