| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 图像分类技术研究现状 | 第10-12页 |
| 1.2.2 基于内容的瓷器图像分类研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 第2章 混合颜色特征提取方法 | 第15-41页 |
| 2.1 传统HSV量化及特征提取 | 第15-19页 |
| 2.1.1 HSV颜色空间及转换 | 第15-18页 |
| 2.1.2 传统颜色量化及提取方法 | 第18-19页 |
| 2.2 改进HSV非均匀量化及颜色直方图特征提取 | 第19-31页 |
| 2.2.1 青花瓷纹饰图像颜色特点及改进依据 | 第19-20页 |
| 2.2.2 HSV多参数分割 | 第20-21页 |
| 2.2.3 HSV空间的分割量化颜色直方图提取算法 | 第21-25页 |
| 2.2.4 相似性度量优化 | 第25-30页 |
| 2.2.5 HSV提取算法对比 | 第30-31页 |
| 2.3 颜色自相关图提取算法及实验分析 | 第31-33页 |
| 2.4 分块颜色矩提取方法及改进 | 第33-36页 |
| 2.4.1 传统分块颜色矩研究 | 第33-34页 |
| 2.4.2 优化分块方式及实验分析 | 第34-36页 |
| 2.5 混合颜色特征的表示 | 第36-39页 |
| 2.6 本章小结 | 第39-41页 |
| 第3章 纹理特征提取算法研究 | 第41-63页 |
| 3.1 灰度共生矩阵法及特征优化 | 第41-46页 |
| 3.1.1 灰度共生矩阵算法研究 | 第41-43页 |
| 3.1.2 新增特征及实验 | 第43-46页 |
| 3.2 Gabor特征提取算法研究 | 第46-54页 |
| 3.2.1 Gabor变换 | 第46-47页 |
| 3.2.2 PCA降维 | 第47-50页 |
| 3.2.3 实验分析及参数优化 | 第50-54页 |
| 3.3 SGF算法分析及实验 | 第54-57页 |
| 3.4 特征选择 | 第57-61页 |
| 3.5 本章小结 | 第61-63页 |
| 第4章 SVM多分类算法研究 | 第63-79页 |
| 4.1 支持向量机原理及核函数优化 | 第63-68页 |
| 4.1.1 线性分类器 | 第63-65页 |
| 4.1.2 核函数优化 | 第65-67页 |
| 4.1.3 多分类策略和性能度量 | 第67-68页 |
| 4.2 实验设计及分析 | 第68-77页 |
| 4.2.1 实验环境 | 第68-69页 |
| 4.2.2 实验样本及类别定义 | 第69-71页 |
| 4.2.3 实验方法 | 第71页 |
| 4.2.4 测试系统及实验步骤 | 第71-75页 |
| 4.2.5 实验效果分析及对比 | 第75-77页 |
| 4.3 本章小结 | 第77-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-87页 |
| 致谢 | 第87页 |