| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-14页 |
| ·基于内容的古钱币图像检索系统 | 第14-15页 |
| ·本文的主要研究工作与研究成果 | 第15-17页 |
| ·论文的组织结构 | 第17-18页 |
| 第二章 基于内容的古钱币图像检索国内外相关论述基础 | 第18-41页 |
| ·基于内容的古钱币图像的识别与检索 | 第18-23页 |
| ·颜色特征 | 第23-28页 |
| ·RGB彩色模型 | 第23-24页 |
| ·HSI彩色模型 | 第24-28页 |
| ·形状特征 | 第28-31页 |
| ·图像的多尺度空间 | 第31-33页 |
| ·古钱币的钱文研究 | 第33-34页 |
| ·特征提取与数据降维 | 第34-36页 |
| ·局部特征 | 第36-37页 |
| ·相似性度量 | 第37-39页 |
| ·检索算法性能评价 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第三章 古钱币数据库的结构体系 | 第41-48页 |
| ·引言 | 第41页 |
| ·建立古钱币数据库的必要性与意义 | 第41-42页 |
| ·古钱币图像数据库的建立方法 | 第42-44页 |
| ·古钱币数据库主要模式的逻辑结构 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第四章 基于小波变换的多尺度下古钱币图像的边缘检测 | 第48-72页 |
| ·引言 | 第48页 |
| ·边缘与边缘检测 | 第48-51页 |
| ·小波变换与边缘检测 | 第51-56页 |
| ·连续小波变换 | 第51-52页 |
| ·离散小波变换 | 第52页 |
| ·多尺度小波变换与边缘检测 | 第52-56页 |
| ·彩色图像边缘检测 | 第56-61页 |
| ·彩色数字图像处理 | 第56-57页 |
| ·彩色图像边缘检测 | 第57-61页 |
| ·小波多尺度下彩色图像边缘检测 | 第61-66页 |
| ·向量扩展梯度提取边缘图像 | 第61-62页 |
| ·小波变换 | 第62-64页 |
| ·平滑滤波器的选择 | 第64-66页 |
| ·实验结果与讨论 | 第66-71页 |
| ·小结 | 第71-72页 |
| 第五章 带细节增强与降噪的多尺度彩色图像边缘检测 | 第72-84页 |
| ·引言 | 第72页 |
| ·图像中的噪声 | 第72-77页 |
| ·图像的噪声模型与分类 | 第72-74页 |
| ·常用的阈值降噪 | 第74-76页 |
| ·降噪的评价指标 | 第76-77页 |
| ·带细节增强与降噪的彩色图像多尺度边缘检测 | 第77-83页 |
| ·图像边缘信息降噪 | 第77-78页 |
| ·图像边缘信息增强 | 第78-79页 |
| ·多尺度边缘融合 | 第79-80页 |
| ·实验结果分析与讨论 | 第80-83页 |
| ·小结 | 第83-84页 |
| 第六章 古钱币图像的多尺度相对矩检索 | 第84-93页 |
| ·引言 | 第84页 |
| ·多尺度相对矩 | 第84-88页 |
| ·Hu的不变矩 | 第84-85页 |
| ·Chen矩 | 第85-86页 |
| ·相对矩 | 第86页 |
| ·多尺度相对矩 | 第86-88页 |
| ·特征归一化 | 第88-89页 |
| ·相似性度量 | 第89页 |
| ·实验结果分析与讨论 | 第89-92页 |
| ·小结 | 第92-93页 |
| 第七章 基于多尺度PCA和SVM的钱文相近字分类研究 | 第93-104页 |
| ·引言 | 第93页 |
| ·钱文识别的困难 | 第93-94页 |
| ·主成分分析(PCA)原理 | 第94-95页 |
| ·多尺度主成分分析(MPCA) | 第95-99页 |
| ·支持向量机SVM | 第99-101页 |
| ·多尺度PCA和SVM的钱文相近字分类 | 第101-102页 |
| ·实验结果分析与讨论 | 第102-103页 |
| ·小结 | 第103-104页 |
| 第八章 结合KPCA和SIFT的古钱币多尺度图像的识别 | 第104-122页 |
| ·引言 | 第104页 |
| ·局部特征 | 第104-106页 |
| ·局部特征 | 第104-105页 |
| ·尺度空间理论 | 第105-106页 |
| ·SIFT算法介绍 | 第106-111页 |
| ·图像SIFT特征向量描述子的生成 | 第106-111页 |
| ·SIFT特征向量的匹配 | 第111页 |
| ·KPCA的数据降维 | 第111-114页 |
| ·KPCA核方法的提出 | 第111-112页 |
| ·PCA中核函数的引入 | 第112-113页 |
| ·KPCA的数据降维与特征提取 | 第113-114页 |
| ·KPCA-SIFT描述子 | 第114-117页 |
| ·多尺度KPCA-SIFT描述子 | 第117-118页 |
| ·多分辨率直方图匹配 | 第118-119页 |
| ·实验结果与分析 | 第119-120页 |
| ·小结 | 第120-122页 |
| 第九章 总结与展望 | 第122-125页 |
| ·本文总结 | 第122-123页 |
| ·展望 | 第123-125页 |
| 参考文献 | 第125-138页 |
| 博士学位期间发表的学术论文 | 第138-139页 |
| 致谢 | 第139页 |
