| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 图像识别综述 | 第9-12页 |
| 1.2.1 图像识别系统的组成 | 第9-10页 |
| 1.2.2 现有常用的图像特征提取和识别方法 | 第10-12页 |
| 1.3 论文的主要工作和章节安排 | 第12-14页 |
| 2 几种典型的图像特征提取和识别方法 | 第14-27页 |
| 2.1 主成分分析(PCA) | 第14-16页 |
| 2.2 线性判别分析(LDA) | 第16-20页 |
| 2.2.1 Fisher判别准则 | 第16-18页 |
| 2.2.2 多类问题的线性判别准则 | 第18-20页 |
| 2.3 支持向量机的基本原理 | 第20-25页 |
| 2.4 仿生模式识别方法概述 | 第25-27页 |
| 3 超市货架商品图像识别方法的研究 | 第27-47页 |
| 3.1 商品图像识别总体方案设计 | 第27-28页 |
| 3.1.1 商品图像样本的获取 | 第27页 |
| 3.1.2 商品图像识别方案设计 | 第27-28页 |
| 3.2 商品图像特征提取 | 第28-33页 |
| 3.2.1 基于主成分分析的商品图像特征提取 | 第28-30页 |
| 3.2.2 基于线性判别分析的商品图像特征提取 | 第30-31页 |
| 3.2.3 实验结果举例与分析 | 第31-33页 |
| 3.3 基于分类决策准则的商品图像识别 | 第33-38页 |
| 3.3.1 彩色商品图像特征提取 | 第33-34页 |
| 3.3.2 分类决策准则的设计 | 第34-36页 |
| 3.3.3 实验结果举例与分析 | 第36-38页 |
| 3.4 基于二次分类方法的商品图像识别 | 第38-47页 |
| 3.4.1 基于二次分类法的彩色商品图像识别方案 | 第38-40页 |
| 3.4.2 超椭球神经网络方法在彩色商品图像识别中的应用 | 第40-43页 |
| 3.4.3 纠错SVM方法在彩色商品图像识别中的应用 | 第43-44页 |
| 3.4.4 基于二次分类法的彩色商品图像识别算法 | 第44-47页 |
| 4 实验结果与分析 | 第47-58页 |
| 4.1 二次分类方法的商品识别实验结果及分析 | 第47-54页 |
| 4.1.1 单一分类器的商品识别实验结果及分析 | 第47-51页 |
| 4.1.2 二次分类器的商品识别实验结果及分析 | 第51-54页 |
| 4.2 超市货架商品图像识别系统设计及实验结果 | 第54-58页 |
| 4.2.1 货架商品图像识别系统的设计 | 第55-57页 |
| 4.2.2 货架商品图像识别实验结果 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |