基于计算机图像处理的人眼球变化识别系统
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·数字图像处理与模式识别的应用 | 第9页 |
| ·课题背景与研究意义 | 第9-11页 |
| ·课题背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·课题研究的主要内容 | 第12-13页 |
| ·图像预处理技术 | 第12页 |
| ·数学形态学 | 第12-13页 |
| ·图像分割技术 | 第13页 |
| ·支持向量机 | 第13页 |
| ·本文组织结构 | 第13-15页 |
| 第2章 图像处理和模式识别算法的研究 | 第15-54页 |
| ·图像基本操作 | 第18-24页 |
| ·图像的点运算 | 第18-21页 |
| ·图像的几何运算 | 第21页 |
| ·图像增强算法 | 第21-24页 |
| ·图像灰度化 | 第24页 |
| ·数学形态学 | 第24-32页 |
| ·概述 | 第24-25页 |
| ·腐蚀和膨胀 | 第25-30页 |
| ·开和闭 | 第30-32页 |
| ·图像分割 | 第32-38页 |
| ·图像分割 | 第32-33页 |
| ·边缘检测与提取 | 第33-38页 |
| ·聚类算法 | 第38-43页 |
| ·模糊C 均值聚类算法 | 第38-40页 |
| ·ISODATA 聚类算法 | 第40-43页 |
| ·图像特征提取与选择 | 第43-47页 |
| ·特征的选择 | 第43-44页 |
| ·特征的计算 | 第44-47页 |
| ·支持向量机 | 第47-54页 |
| ·支持向量机的发展历史 | 第49页 |
| ·支持向量机的基本原理 | 第49-52页 |
| ·支持向量机的一个实例 | 第52-54页 |
| 第3章 系统总体设计 | 第54-58页 |
| ·系统总体设计方案 | 第54-56页 |
| ·系统试验方法 | 第56-58页 |
| ·试验环境 | 第56页 |
| ·试验方法 | 第56-58页 |
| 第4章 系统实现概述 | 第58-70页 |
| ·图像采集 | 第58页 |
| ·图像格式转换 | 第58-60页 |
| ·图像预处理 | 第60-64页 |
| ·图像分割 | 第64-66页 |
| ·图像特征选择与提取 | 第66-68页 |
| ·统计分类 | 第68页 |
| ·识别判断 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 攻读学位期间发表的论文以及所取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 详细摘要 | 第77-86页 |
