基于改进型K均值算法分类的大理石等级识别与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究目的及意义 | 第7-8页 |
| 1.3 图像特征提取的研究进展 | 第8-10页 |
| 1.3.1 图像颜色特征提取 | 第8-9页 |
| 1.3.2 图像的纹理特征提取 | 第9-10页 |
| 1.4 图像分类方法概述 | 第10-11页 |
| 1.5 大理石图像分类与软件系统 | 第11-13页 |
| 1.6 研究内容的结构安排 | 第13页 |
| 1.7 本章小结 | 第13-14页 |
| 第二章 基于颜色空间的图像特征提取 | 第14-26页 |
| 2.1 颜色空间 | 第14-17页 |
| 2.1.1 RGB颜色空间 | 第14-15页 |
| 2.1.2 YT1T2颜色空间 | 第15页 |
| 2.1.3 HSV颜色空间 | 第15-17页 |
| 2.2 图像特征提取 | 第17-23页 |
| 2.2.1 直方图 | 第17-18页 |
| 2.2.2 颜色特征值 | 第18-19页 |
| 2.2.3 惯性比 | 第19页 |
| 2.2.4 图像分块方法 | 第19-22页 |
| 2.2.5 相似性度量 | 第22-23页 |
| 2.3 数值实验 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于纹理特征的图像特征提取 | 第26-40页 |
| 3.1 纹理特征提取 | 第26-32页 |
| 3.1.1 灰度直方图的矩 | 第26-27页 |
| 3.1.2 自回归纹理模型 | 第27页 |
| 3.1.3 小波变换法 | 第27-28页 |
| 3.1.4 LBP算子 | 第28-30页 |
| 3.1.5 灰度共生矩阵 | 第30-32页 |
| 3.2 基元共生矩阵 | 第32-35页 |
| 3.2.1 纹理单元 | 第32页 |
| 3.2.2 基元矩阵 | 第32-34页 |
| 3.2.3 基元共生矩阵 | 第34页 |
| 3.2.4 基于基元共生矩阵的图像特征量计算 | 第34-35页 |
| 3.3 纹理特征的提取 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 改进型K均值分类算法 | 第40-50页 |
| 4.1 基本K均值算法简述 | 第41-42页 |
| 4.2 基本K均值算法的性能分析 | 第42-43页 |
| 4.3 改进型K均值算法 | 第43-45页 |
| 4.4 数值实验与分析 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 大理石图像等级识别 | 第50-58页 |
| 5.1 系统设计 | 第50-52页 |
| 5.2 大理石图像等级识别系统 | 第52-56页 |
| 5.3 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文总结 | 第58-59页 |
| 6.2 下一步研究工作 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |
