首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

建筑结构和外观的图像分析

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-11页
   ·课题背景及意义第7页
   ·建筑图像的国内外研究情况第7-9页
     ·图像检索和分类的研究第7-8页
     ·目前研究存在的问题第8-9页
   ·论文的内容安排第9-11页
第二章 图像特征相关基础知识第11-25页
   ·图像特征分类及其特点第11-12页
     ·图像特征定义与分类第11页
     ·常用图像特征的特点第11-12页
   ·图像特征提取技术的研究现状第12-14页
     ·图像特征提取技术的研究内容第12-13页
     ·图像特征提取技术未来的发展方向第13-14页
   ·图像颜色特征描述与提取方法第14-18页
     ·颜色模型第14-15页
     ·RGB和HSI之间的模型转换第15-16页
     ·颜色空间量化第16-17页
     ·颜色特征提取方法第17-18页
   ·图像纹理特征描述与提取方法第18-20页
     ·基于分形维数的纹理描述法第18-19页
     ·基于灰度共生矩阵的纹理描述法第19-20页
   ·图像形状特征描述与提取方法第20-23页
     ·图像边缘的灰度投影与傅立叶变换第21页
     ·图像的不变矩特征第21-22页
     ·图像中的直线特征第22-23页
   ·本章小结第23-25页
第三章 建筑图像的特征提取与分析第25-47页
   ·图像特征提取函数的实现第25-26页
   ·建筑图像的特征分析第26-46页
     ·建筑图像的直方图特征分析第26-34页
     ·建筑图像的分形维数分析第34-37页
     ·灰度共生矩阵第37-38页
     ·建筑图像的投影分析第38-41页
     ·建筑图像的不变矩分析第41-44页
     ·建筑图像的边缘检测和Hough变换第44-46页
   ·本章小结第46-47页
第四章 模式分类与支持向量机介绍第47-55页
   ·模式分类概述第47-48页
   ·支持向量机介绍第48-52页
     ·支持向量机(SVM)的发展第48-49页
     ·统计理论基础第49页
     ·支持向量机的分类问题第49-52页
     ·核函数类型第52页
   ·LIBSVM软件介绍第52-53页
   ·本章小结第53-55页
第五章 基于SVM的建筑图像分类第55-63页
   ·图像分类的总体框架第55-56页
   ·分类实验演示第56-62页
     ·建筑图像与自然图像分类实验第57-58页
     ·建筑图像分类实验第58-62页
   ·本章小结第62-63页
第六章 总结与展望第63-65页
   ·总结第63页
   ·展望第63-65页
附录A 自然图像第65-67页
附录B 建筑图像第67-69页
致谢第69-71页
参考文献第71-75页
攻读硕士学位期间完成的论文或科研工作第75-76页

论文共76页,点击 下载论文
上一篇:智能家居之控制主机的设计与实现
下一篇:智能家居之手持机软件设计