基于二次分割的多特征图像分类方法研究
| 中文摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| ·选题背景及意义 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·图像分割方法的研究 | 第12页 |
| ·图像特征的提取与表示 | 第12-13页 |
| ·图像分类算法的研究 | 第13-14页 |
| ·本文的研究内容与组织结构 | 第14-15页 |
| 第二章 基于图像内容的特征分析与表示方法 | 第15-21页 |
| ·颜色空间模型及其转换 | 第15-17页 |
| ·图像特征的提取 | 第17-19页 |
| ·颜色特征 | 第17-18页 |
| ·纹理特征 | 第18页 |
| ·形状特征 | 第18-19页 |
| ·分类评价标准 | 第19页 |
| ·本章小结 | 第19-21页 |
| 第三章 图像分割 | 第21-27页 |
| ·图像分割的数学描述 | 第21页 |
| ·常用的图像分割方法 | 第21-23页 |
| ·基于阈值的图像分割 | 第21-22页 |
| ·基于边缘检测的图像分割 | 第22页 |
| ·基于区域的图像分割 | 第22页 |
| ·基于聚类的图像分割 | 第22-23页 |
| ·本文提出的彩色图像分割方法 | 第23-24页 |
| ·实验结果及分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 区域特征的提取与表示 | 第27-33页 |
| ·提取区域特征的步骤 | 第27页 |
| ·特征提取 | 第27-31页 |
| ·颜色特征 | 第28页 |
| ·纹理特征 | 第28-30页 |
| ·形状特征 | 第30-31页 |
| ·特征归一化 | 第31页 |
| ·本章小结 | 第31-33页 |
| 第五章 基于SVM的图像分类方法 | 第33-41页 |
| ·支持向量机简介 | 第33-34页 |
| ·基于支持向量机的简单图像分类 | 第34-37页 |
| ·简单图像的特征分析 | 第35页 |
| ·支持向量机分类算法 | 第35页 |
| ·实验结果及分析 | 第35-37页 |
| ·基于支持向量机的复杂图像分类 | 第37-40页 |
| ·多示例多标记概念 | 第37-38页 |
| ·区域特征的提取 | 第38页 |
| ·支持向量机分类算法 | 第38页 |
| ·实验结果及分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第六章 总结与展望 | 第41-43页 |
| ·总结 | 第41页 |
| ·展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 发表文章目录 | 第47-49页 |
| 致谢 | 第49-51页 |
| 个人简况及联系方式 | 第51-55页 |
