基于内容的图像过滤
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·目前研究进展 | 第9-13页 |
| ·存在的问题 | 第13页 |
| ·论文组织结构 | 第13-15页 |
| 第二章 相关背景知识 | 第15-27页 |
| ·颜色空间 | 第15-19页 |
| ·RGB空间 | 第15-16页 |
| ·XYZ空间 | 第16页 |
| ·YUV空间 | 第16-17页 |
| ·YIQ空间 | 第17页 |
| ·YCbCr空间 | 第17-18页 |
| ·HSI，HSV和HSL颜色空间 | 第18-19页 |
| ·TSL颜色空间 | 第19页 |
| ·图像特性 | 第19-24页 |
| ·颜色特征 | 第20-21页 |
| ·纹理特征 | 第21-22页 |
| ·形状特征 | 第22-23页 |
| ·空间关系特征 | 第23-24页 |
| ·过滤技术介绍 | 第24-25页 |
| ·复杂且不实用的行为判断 | 第24页 |
| ·色彩判定极容易误判 | 第24-25页 |
| ·基于内容的图像过滤 | 第25页 |
| ·性能评价指标 | 第25-27页 |
| 第三章 肤色检测 | 第27-34页 |
| ·相关工作与研究 | 第27页 |
| ·肤色综合检测 | 第27-30页 |
| ·颜色阈值处理 | 第28页 |
| ·肤色密度估计 | 第28页 |
| ·Mean shift 分析 | 第28-29页 |
| ·肤色密度分布估计 | 第29-30页 |
| ·肤色点聚类 | 第30页 |
| ·肤色区域增长 | 第30-31页 |
| ·实验与分析 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第四章 纹理特征分析 | 第34-41页 |
| ·纹理概述 | 第34-35页 |
| ·纹理检测 | 第35-38页 |
| ·Gabor滤波法 | 第35-36页 |
| ·灰度共生矩阵法 | 第36-38页 |
| ·灰度统计法 | 第38页 |
| ·实验分析 | 第38-39页 |
| ·小结 | 第39-41页 |
| 第五章 形状特征分析 | 第41-48页 |
| ·形态学预处理 | 第41页 |
| ·HU不变矩 | 第41-43页 |
| ·基于边缘的不变矩 | 第43-44页 |
| ·其它统计特征 | 第44-47页 |
| ·肤色比例 | 第44页 |
| ·连通特征 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第六章 分类算法研究 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·人工神经网络及BP学习算法 | 第49-53页 |
| ·BP神经网络的结构 | 第49-50页 |
| ·BP神经网络的学习算法 | 第50-53页 |
| ·支持向量机SVM | 第53-58页 |
| ·核函数的选择及参数调节 | 第56-58页 |
| ·提高SVM分类精度的方式 | 第58页 |
| ·学习算法研究 | 第58-62页 |
| ·SVM主动学习方法 | 第58-60页 |
| ·SVM增量学习 | 第60-61页 |
| ·增量式主动学习 | 第61-62页 |
| ·实验比较与分析 | 第62-63页 |
| ·小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
