基于区域空间的综合特征的图像语义分类技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景与意义 | 第9-10页 |
| ·基于语义图像分类技术 | 第10-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文目标及重点工作 | 第14-16页 |
| 第二章 图像分类相关技术知识概述 | 第16-23页 |
| ·图像分类相关知识 | 第16-17页 |
| ·图像分类技术 | 第16页 |
| ·分类系统性能评价标准 | 第16-17页 |
| ·图像底层特征的描述 | 第17-18页 |
| ·颜色特征 | 第17页 |
| ·纹理特征 | 第17页 |
| ·形状特征 | 第17-18页 |
| ·空间特征 | 第18页 |
| ·机器学习及算法 | 第18-22页 |
| ·机器学习 | 第18-19页 |
| ·机器学习发展过程 | 第19-20页 |
| ·机器学习常用算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 遗传算法和支持向量机 | 第23-33页 |
| ·遗传算法的基本思想 | 第23-25页 |
| ·遗传算法的描述 | 第23页 |
| ·遗传算法的一般步骤 | 第23-25页 |
| ·自适应遗传算法 | 第25页 |
| ·支持向量机 | 第25-32页 |
| ·SVM 的基本思想 | 第26-27页 |
| ·线性支持向量机 | 第27-29页 |
| ·非线性支持向量机 | 第29-31页 |
| ·基于支持向量机的多类分类器的构造 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 图像语义分类技术设计 | 第33-46页 |
| ·分块区域的划分 | 第33页 |
| ·图像特征提取 | 第33-35页 |
| ·综合特征提取方法 | 第35-36页 |
| ·本文提出的图像语义分类技术的设计 | 第36-45页 |
| ·改进遗传算法 | 第37-39页 |
| ·改进的多分类的支持向量机 | 第39-40页 |
| ·基于块区域的综合特征的图像二分类算法的实现 | 第40-44页 |
| ·基于块区域的综合特征的图像多分类算法的实现 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 图像语义分类的实验与分析 | 第46-50页 |
| ·引言 | 第46页 |
| ·测试环境与测试对象 | 第46-48页 |
| ·实验与分析 | 第48-49页 |
| ·单一特征与分块区域的综合特征的对比 | 第48页 |
| ·与非加权块区域综合特征的多分类SVM 的对比 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间取得的研究成果 | 第54-55页 |
| 致谢 | 第55-56页 |
| 附件 | 第56页 |
