基于颜色特征的图像分类算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·课题研究背景和意义 | 第10-12页 |
| ·研究现状 | 第12-19页 |
| ·图像特征提取和表示的国内外研究现状 | 第12-16页 |
| ·分类方法的国内外研究现状 | 第16-19页 |
| ·论文的主要研究内容 | 第19-20页 |
| ·本文的组织结构 | 第20-21页 |
| ·课题来源 | 第21-22页 |
| 第2章 基于颜色特征的图像分类算法概述 | 第22-32页 |
| ·图像分类的一般过程 | 第22-23页 |
| ·颜色模型的选取 | 第23-26页 |
| ·颜色特征的表达方式 | 第26-28页 |
| ·分类方法的选择 | 第28页 |
| ·相关反馈技术 | 第28-30页 |
| ·分类性能评价 | 第30-32页 |
| 第3章 统计学理论与支持向量机 | 第32-47页 |
| ·机器学习的基本问题 | 第32-34页 |
| ·统计学习理论 | 第34-37页 |
| ·函数学习性能的指标——VC维 | 第34-35页 |
| ·泛化问题的界 | 第35-36页 |
| ·结构风险最小化 | 第36-37页 |
| ·支持向量机 | 第37-47页 |
| ·线形情况 | 第37-40页 |
| ·非线形情况 | 第40-42页 |
| ·支持向量机方法的补充说明 | 第42-43页 |
| ·核函数 | 第43-44页 |
| ·多类分类问题 | 第44-45页 |
| ·用支持向量机进行图像分类 | 第45-47页 |
| 第4章 基于颜色特征的图像分类算法 | 第47-55页 |
| ·图像的预处理 | 第47-49页 |
| ·数据图像的规范化 | 第47-48页 |
| ·颜色空间的转换 | 第48页 |
| ·颜色的量化处理 | 第48-49页 |
| ·图像颜色特征的提取 | 第49-52页 |
| ·全局代表色的提取 | 第49-50页 |
| ·分块代表色的提取 | 第50-52页 |
| ·图像分类 | 第52-54页 |
| ·多类别分类的实现策略 | 第52页 |
| ·支持向量机的训练 | 第52-53页 |
| ·惩罚系数的选择 | 第53-54页 |
| ·相关反馈 | 第54-55页 |
| 第5章 图像分类系统的设计与实现 | 第55-68页 |
| ·系统框架 | 第55-56页 |
| ·图像数据库 | 第56-60页 |
| ·图像入库 | 第60-61页 |
| ·图像分类 | 第61-65页 |
| ·分类结果分析 | 第65-68页 |
| 第6章 结论与展望 | 第68-70页 |
| ·结论 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 研究生履历 | 第74页 |
