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 |