流形与凸包建模的植物图像集分类算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 植物物种机器识别的意义 | 第8-9页 |
| 1.2 植物图像集分类技术的可行性 | 第9-10页 |
| 1.3 植物图像识别技术的国内外研究现状 | 第10-14页 |
| 1.4 图像集分类技术的国内外研究现状 | 第14-17页 |
| 1.5 本文的组织结构 | 第17-18页 |
| 第2章 图像预处理与特征提取 | 第18-26页 |
| 2.1 图像预处理 | 第18-19页 |
| 2.1.1 灰度化处理 | 第18页 |
| 2.1.2 滤波去噪 | 第18-19页 |
| 2.2 植物图像纹理特征提取 | 第19-23页 |
| 2.2.1 灰度共生矩阵 | 第20-21页 |
| 2.2.2 Gabor纹理特征 | 第21-22页 |
| 2.2.3 局部二值模式纹理特征 | 第22-23页 |
| 2.3 综合特征 | 第23-24页 |
| 2.3.1 Gist特征 | 第23页 |
| 2.3.2 塔式梯度直方图特征 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于流形建模的植物图像集分类算法 | 第26-40页 |
| 3.1 算法框架 | 第27-28页 |
| 3.2 构建局部线性模型 | 第28-30页 |
| 3.3 局部模型距离度量 | 第30-32页 |
| 3.4 全局距离 | 第32-33页 |
| 3.5 实验结果与分析 | 第33-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于自适应多凸包的植物图像集分类算法 | 第40-56页 |
| 4.1 仿射包的建模方法 | 第41-43页 |
| 4.2 优化的仿射包 | 第43-44页 |
| 4.3 自适应多凸包 | 第44-50页 |
| 4.3.1 局部凸包模型建立 | 第46-48页 |
| 4.3.2 自适应参照聚类 | 第48-49页 |
| 4.3.3 多凸包距离计算 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 结论与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 个人简历与发表论文 | 第64页 |
