首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多特征融合的中国木版年画图像分类技术研究

中文摘要第4-5页
ABSTRACT第5页
第一章 绪论第8-13页
    1.1 课题研究意义第8-9页
    1.2 中国木版年画数据库分类情况第9-10页
    1.3 本文主要内容第10-12页
    1.4 本文结构和安排第12-13页
第二章 相关工作及综述第13-20页
    2.1 图像预处理第14-16页
        2.1.1 图像去噪第14-15页
        2.1.2 图像分割第15-16页
    2.2 图像特征提取第16-19页
        2.2.1 颜色空间特征第16-18页
        2.2.2 纹理特征第18页
        2.2.3 边缘直方图第18-19页
    2.3 分类器第19页
    2.4 本章小结第19-20页
第三章 年画图像分类的特征提取第20-32页
    3.1 年画图像预处理第20-21页
    3.2 年画图像特征提取第21-31页
        3.2.1 颜色直方图第21-22页
        3.2.2 SIFT-BoF 特征第22-26页
        3.2.3 饱和熵直方图第26-28页
        3.2.4 区域面积直方图第28-29页
        3.2.5 HOG 描述符第29-31页
    3.3 本章小结第31-32页
第四章 基于单特征的年画图像分类第32-37页
    4.1 单特征年画图像分类实验方法第32-33页
    4.2 单特征年画图像分类结果与分析第33-36页
        4.2.1 数据集第33-34页
        4.2.2 按产地分类第34-35页
        4.2.3 按主题分类第35-36页
    4.3 本章小结第36-37页
第五章 基于多特征融合的年画图像分类第37-49页
    5.1 年画图像多特征融合第37-38页
    5.2 多特征融合的年画图像分类第38-41页
        5.2.1 核函数第38-39页
        5.2.2 MKL 多核学习第39-41页
    5.3 多特征融合年画分类结果与分析第41-44页
        5.3.1 数据集第41页
        5.3.2 按产地分类第41-42页
        5.3.3 按主题分类第42-44页
    5.4 中国木版年画分类技术的应用第44-48页
    5.5 本章小结第48-49页
第六章 总结与展望第49-50页
    6.1 本文工作总结第49页
    6.2 工作展望第49-50页
参考文献第50-54页
发表论文和参加科研情况说明第54-55页
致谢第55页

论文共55页,点击 下载论文
上一篇:基于启发式搜索的汽车处理站选址问题研究
下一篇:基于OGRE的电厂培训仿真系统的设计与实现