基于多特征融合的文物图像分类研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 文物分类研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 文物分类研究现状 | 第9-10页 |
| 1.2.2 SVM图像分类研究现状 | 第10-11页 |
| 1.3 本文主要的研究内容 | 第11-12页 |
| 2 图像分类技术简介 | 第12-26页 |
| 2.1 引言 | 第12页 |
| 2.2 图像预处理 | 第12-15页 |
| 2.2.1 图像噪声预处理 | 第12-14页 |
| 2.2.2 图像分割预处理 | 第14-15页 |
| 2.3 底层视觉特征提取 | 第15-18页 |
| 2.3.1 颜色特征 | 第15-16页 |
| 2.3.2 形状特征 | 第16-17页 |
| 2.3.3 纹理特征 | 第17-18页 |
| 2.4 分类器介绍 | 第18-24页 |
| 2.4.1 SVM基本原理 | 第19-20页 |
| 2.4.2 SVM分类 | 第20-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 文物图像的特征提取 | 第26-46页 |
| 3.1 引言 | 第26页 |
| 3.2 文物图像预处理 | 第26-27页 |
| 3.3 文物图像特征提取 | 第27-41页 |
| 3.3.1 颜色直方图 | 第27-28页 |
| 3.3.2 Gabor特征 | 第28-32页 |
| 3.3.3 SIFT-BoF特征 | 第32-39页 |
| 3.3.4 HOG特征 | 第39-41页 |
| 3.4 文物图像特征归一化 | 第41-42页 |
| 3.4.1 内部特征归一化 | 第41-42页 |
| 3.4.2 外部特征归一化 | 第42页 |
| 3.5 信息融合策略 | 第42-44页 |
| 3.5.1 数据级融合 | 第42页 |
| 3.5.2 特征级融合 | 第42-44页 |
| 3.5.3 决策级融合 | 第44页 |
| 3.6 本章小结 | 第44-46页 |
| 4 基于二叉树SVM的文物图像分类 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 二叉树SVM分类模型 | 第46-51页 |
| 4.2.1 传统二叉树SVM多分类原理 | 第46-47页 |
| 4.2.2 最优序二叉树SVM多分类器 | 第47-51页 |
| 4.3 实验数据及参数选取 | 第51-52页 |
| 4.3.1 数据集 | 第51-52页 |
| 4.3.2 SVM参数选择 | 第52页 |
| 4.4 单一特征结合二叉树SVM的文物图像分类 | 第52-58页 |
| 4.4.1 文物图像单一特征分类对比实验 | 第52-53页 |
| 4.4.2 实验结果及分析 | 第53-58页 |
| 4.5 本章小结 | 第58-60页 |
| 5 基于多特征融合的文物图像分类 | 第60-70页 |
| 5.1 引言 | 第60页 |
| 5.2 文物图像的多特征加权融合 | 第60-64页 |
| 5.2.1 基于分类准确率的加权多特征融合原理 | 第60-62页 |
| 5.2.2 实验结果及分析 | 第62-64页 |
| 5.3 文物图像的多特征决策融合 | 第64-69页 |
| 5.3.1 多特征决策级融合原理 | 第64-67页 |
| 5.3.2 实验结果与分析 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 本文总结 | 第70页 |
| 6.2 研究展望 | 第70-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80页 |
| A. 作者在攻读学位期间取得的科研成果目录： | 第80页 |
