摘要 | 第1-4页 |
Abstract | 第4-9页 |
1 绪论 | 第9-14页 |
·本研究的目的和意义 | 第9页 |
·彩色图像纹理分析分类的国内外研究现状 | 第9-11页 |
·本课题的研究内容 | 第11-13页 |
·本章小结 | 第13-14页 |
2 实验设备与材料 | 第14-19页 |
·实验设备 | 第14-15页 |
·实验材料 | 第15-18页 |
·本章小结 | 第18-19页 |
3 纹理分析方法 | 第19-38页 |
·彩色视觉基础 | 第19-20页 |
·颜色空间 | 第20-26页 |
·RGB颜色空间 | 第20-22页 |
·CMY颜色空间 | 第22-24页 |
·HSV颜色空间 | 第24-25页 |
·L~*a~*b~*颜色空间 | 第25-26页 |
·颜色空间选择 | 第26页 |
·彩色图像的颜色特征获取方法 | 第26-32页 |
·颜色直方图 | 第27-31页 |
·颜色矩 | 第31-32页 |
·纹理特征获取方法 | 第32-36页 |
·纹理特征获取方法的选择 | 第32-33页 |
·灰度共生矩阵法 | 第33-34页 |
·灰度共生矩阵的特征参数 | 第34-36页 |
·彩色图像的纹理特征获取方法 | 第36-37页 |
·本章小结 | 第37-38页 |
4 木材表面纹理的模式识别方法 | 第38-61页 |
·模式识别概述 | 第38-39页 |
·模式识别方法 | 第39-40页 |
·特征参数归一化 | 第40-41页 |
·最近邻分类器 | 第41-43页 |
·距离度量 | 第41-42页 |
·最近邻决策规则 | 第42-43页 |
·BP神经网络分类器 | 第43-47页 |
·BP神经网络 | 第43页 |
·BP学习算法 | 第43-45页 |
·BP神经网络分类器设计 | 第45页 |
·BP神经网络分类器MATLA8程序实现 | 第45-47页 |
·集成BP神经网络分类器 | 第47页 |
·概率神经网络分类器 | 第47-52页 |
·径向基神经网络 | 第48-49页 |
·概率神经网络 | 第49-51页 |
·概率神经网络分类器MATLAB程序实现 | 第51-52页 |
·特征选择 | 第52-54页 |
·遗传算法 | 第54-57页 |
·遗传算法的基本概念 | 第54-55页 |
·遗传算法工作原理 | 第55-57页 |
·基于遗传算法与最近邻分类器的特征选择方法(GNFS) | 第57-59页 |
·本章小结 | 第59-61页 |
5 木材表面纹理特征的获取 | 第61-75页 |
·颜色直方图特征参数的获取 | 第61-64页 |
·颜色矩特征参数的获取 | 第64-65页 |
·灰度共生矩阵特征参数的获取 | 第65-68页 |
·基于RGB颜色空间的共生矩阵特征参数的获取 | 第68-71页 |
·基于HSV颜色空间的共生矩阵特征参数的获取 | 第71-74页 |
·本章小结 | 第74-75页 |
6 木材表面纹理图像分类与识别的研究 | 第75-98页 |
·木材表面纹理参数体系的建立 | 第75-82页 |
·融合灰度共生矩阵与颜色直方图的纹理参数体系 | 第75-76页 |
·融合灰度共生矩阵与颜色矩的纹理参数体系 | 第76-77页 |
·融合灰度共生矩阵、颜色直方图和颜色矩的纹理参数体系 | 第77-79页 |
·基于RGB颜色空间共生矩阵的纹理参数体系 | 第79-80页 |
·基于HSV颜色空间共生矩阵的纹理参数体系 | 第80-81页 |
·木材表面纹理参数体系的选择 | 第81-82页 |
·基于纹理特征木材表面彩色图像样本的分类与识别 | 第82-97页 |
·在纹理参数体系②下木材表面彩色图像样本的分类与识别 | 第82-90页 |
·在纹理参数体系③下木材表面彩色图像样本的分类与识别 | 第90-97页 |
·本章小结 | 第97-98页 |
结论 | 第98-99页 |
参考文献 | 第99-104页 |
攻读学位期间发表的学术论文 | 第104-105页 |
致谢 | 第105-106页 |