扁平颗粒体纹理与颜色量化信息抽取研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-16页 |
| ·本研究的背景、目的及意义 | 第8页 |
| ·研究现状 | 第8-13页 |
| ·图像纹理研究现状 | 第8-10页 |
| ·颜色量化处理研究现状 | 第10-11页 |
| ·神经网络研究现状 | 第11-13页 |
| ·特征信息库研究现状 | 第13页 |
| ·论文的主要研究内容 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 相关理论知识 | 第16-23页 |
| ·颜色模型 | 第16-18页 |
| ·RGB 颜色模型 | 第16-17页 |
| ·HSI 颜色模型 | 第17-18页 |
| ·YUV 颜色模型 | 第18页 |
| ·颜色相似性度量 | 第18-19页 |
| ·数据的数字特征 | 第19-22页 |
| ·均值、方差等数字特征 | 第19-21页 |
| ·中位数、分位数、三均值与极差 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 扁平颗粒体图像纹理信息特征的抽取 | 第23-41页 |
| ·纹理的定义和描述 | 第23-25页 |
| ·纹理定义 | 第23-24页 |
| ·纹理的描述方法 | 第24-25页 |
| ·纹理信息的分析方法 | 第25-30页 |
| ·统计分析方法 | 第25-28页 |
| ·结构分析方法 | 第28页 |
| ·空间/频率域联合分析方法 | 第28-30页 |
| ·分形模型 | 第30页 |
| ·纹理分析方法的比较 | 第30-31页 |
| ·基于共现矩阵的纹理特征提取 | 第31-36页 |
| ·实验结果与分析 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 扁平颗粒体图像颜色量化信息的抽取 | 第41-55页 |
| ·BP 神经网络概述 | 第41-45页 |
| ·神经网络的特点及优点 | 第41-42页 |
| ·神经网络的结构 | 第42-43页 |
| ·反向传播的基本原理 | 第43-45页 |
| ·BP 神经网络分类器设计 | 第45-51页 |
| ·颜色类的选择 | 第45-47页 |
| ·训练函数的确定 | 第47-48页 |
| ·网络节点数量的设计 | 第48-50页 |
| ·网络的训练和分类 | 第50-51页 |
| ·实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第五章 瓜子信息标准的构建 | 第55-66页 |
| ·瓜子分检系统分析 | 第56-57页 |
| ·标准库构建模块设计 | 第57-65页 |
| ·标准管理层次结构图 | 第58-59页 |
| ·命名规则 | 第59-60页 |
| ·表结构介绍 | 第60-62页 |
| ·标准数据库管理 | 第62页 |
| ·其他功能 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-69页 |
| ·总结 | 第66-67页 |
| ·本文特色 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间参加的科研项目 | 第73-74页 |
| 攻读学位期间发表的论文 | 第74-75页 |
| 致谢 | 第75-76页 |
| 详细摘要 | 第76-79页 |
