基于遗传算法和神经网络的彩色图像感兴趣区域分类关键技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 图表清单 | 第10-12页 |
| 1 绪论 | 第12-16页 |
| ·课题的研究背景及意义 | 第12-13页 |
| ·图像分类技术的研究现状和存在的问题 | 第13-14页 |
| ·本文的工作和创新点 | 第14-15页 |
| ·论文的结构安排 | 第15-16页 |
| 2 图像区域提取 | 第16-25页 |
| ·图像分割基本方法 | 第16-19页 |
| ·概述 | 第16-17页 |
| ·边界检测分割法 | 第17-18页 |
| ·基于区域的方法 | 第18页 |
| ·基于学习的方法 | 第18-19页 |
| ·基于复杂度差异的感兴趣区域分割方法 | 第19-22页 |
| ·区域生长算法 | 第20-21页 |
| ·分水岭算法 | 第21-22页 |
| ·图像提取实验及分析 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 3 图像特征提取 | 第25-35页 |
| ·引言 | 第25-30页 |
| ·颜色特征 | 第25-29页 |
| ·形状特征 | 第29-30页 |
| ·纹理特征 | 第30页 |
| ·纹理特征及描述方法分类 | 第30-33页 |
| ·Tamura纹理特征提取 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 神经网络的优化 | 第35-46页 |
| ·引言 | 第35页 |
| ·神经网络概述 | 第35-39页 |
| ·人工神经网络简介 | 第35-36页 |
| ·人工神经网络的模型 | 第36-37页 |
| ·人工神经网络的分类 | 第37-39页 |
| ·遗传算法的神经网络优化 | 第39-45页 |
| ·概述 | 第39-41页 |
| ·遗传算法简介 | 第41-43页 |
| ·遗传算法改进神经网络 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5 语义映射模型 | 第46-54页 |
| ·语义层次模型 | 第46-48页 |
| ·图像语义映射的方法和技术 | 第48-52页 |
| ·图像的分类和聚类 | 第49-50页 |
| ·关联图像和语义的建模 | 第50-51页 |
| ·利用相关反馈学习图像语义 | 第51页 |
| ·特殊领域的语义映射方法 | 第51-52页 |
| ·神经网络生成图像语义 | 第52-53页 |
| ·遗传算法优化神经网络权值的学习过程 | 第53页 |
| ·本章小结 | 第53-54页 |
| 6 图像感兴趣区域分类器设计与实现 | 第54-65页 |
| ·分类器开发背景 | 第54-55页 |
| ·分类系统整体流程 | 第55-57页 |
| ·分类器结构 | 第55-56页 |
| ·实验流程 | 第56-57页 |
| ·实验结果分析 | 第57-64页 |
| ·神经网络分类器实验结构 | 第57-60页 |
| ·图像分类性能分析 | 第60-61页 |
| ·算法收敛性能分析 | 第61-62页 |
| ·实验对比分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 7 总结展望 | 第65-67页 |
| ·全文总结 | 第65页 |
| ·工作展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 论文及科研情况 | 第71页 |
