基于学习优化与信息融合的陶瓷文物碎片分类研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 陶瓷碎片分类技术框架 | 第15-16页 |
| 1.3 研究现状 | 第16-23页 |
| 1.3.1 模式分类方法现状 | 第16-19页 |
| 1.3.2 陶瓷文物分类国内外相关研究 | 第19-21页 |
| 1.3.3 陶瓷文物分类中的特征 | 第21-22页 |
| 1.3.4 研究现状总结 | 第22-23页 |
| 1.4 论文主要工作与内容组织结构 | 第23-27页 |
| 1.4.1 论文主要工作 | 第23-25页 |
| 1.4.2 论文组织结构 | 第25-27页 |
| 第2章 陶瓷文物数字化 | 第27-35页 |
| 2.1 引言 | 第27页 |
| 2.2 文物数字图像 | 第27-29页 |
| 2.2.1 数字图像原理 | 第27-28页 |
| 2.2.2 数字图像采样 | 第28-29页 |
| 2.3 文物三维信息 | 第29-33页 |
| 2.3.1 文物三维扫描 | 第29-31页 |
| 2.3.2 三维点云处理 | 第31-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 陶瓷文物特征提取及相似性度量 | 第35-58页 |
| 3.1 引言 | 第35-36页 |
| 3.2 纹饰形状整体特征及相似性度量 | 第36-43页 |
| 3.2.1 通用形状特征表示 | 第36-38页 |
| 3.2.2 纹饰形状整体特征 | 第38-39页 |
| 3.2.3 纹饰形状相似性度量 | 第39-41页 |
| 3.2.4 实验及结果分析 | 第41-43页 |
| 3.3 釉色纹理融合特征及相似性度量 | 第43-51页 |
| 3.3.1 通用颜色纹理特征表示 | 第43-44页 |
| 3.3.2 釉色纹理融合基础 | 第44-47页 |
| 3.3.3 釉色纹理融合特征计算 | 第47-49页 |
| 3.3.4 釉色纹理相似性度量 | 第49-50页 |
| 3.3.5 实验及结果分析 | 第50-51页 |
| 3.4 三维显著几何特征及相似性度量 | 第51-56页 |
| 3.4.1 三维几何局部特征现状 | 第51-52页 |
| 3.4.2 基于点云的3DSift特征 | 第52-54页 |
| 3.4.3 基于3DSift的碎片显著特征 | 第54页 |
| 3.4.4 碎片显著特征相似性度量 | 第54-55页 |
| 3.4.5 实验及结果分析 | 第55-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第4章 基于主动学习优化的碎片分类 | 第58-73页 |
| 4.1 引言 | 第58-59页 |
| 4.2 主动学习分类过程 | 第59-63页 |
| 4.2.1 基于不确定性的未标识样本初选 | 第60-62页 |
| 4.2.2 基于多样性的冗余样本清除 | 第62-63页 |
| 4.3 基于ULBSM的主动学习分类 | 第63-68页 |
| 4.3.1 核模糊聚类 | 第64-65页 |
| 4.3.2 多元有限模型二分划 | 第65页 |
| 4.3.3 ULBSM主动学习流程 | 第65-68页 |
| 4.4 实验及结果分析 | 第68-72页 |
| 4.4.1 陶瓷碎片库 | 第68页 |
| 4.4.2 实验方案 | 第68-69页 |
| 4.4.3 实验结果 | 第69页 |
| 4.4.4 迭代效率对比 | 第69-71页 |
| 4.4.5 训练集分类性能比较 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第5章 基于码本优化的碎片分类 | 第73-86页 |
| 5.1 引言 | 第73-74页 |
| 5.2 词袋模型介绍 | 第74-75页 |
| 5.3 基于码本优化的词袋分类 | 第75-80页 |
| 5.3.1 码本构造与优化 | 第75-79页 |
| 5.3.2 分类器训练与参数优化 | 第79-80页 |
| 5.4 实验及结果分析 | 第80-84页 |
| 5.4.1 场景图像分类实验 | 第80-81页 |
| 5.4.2 瓷片图像分类实验 | 第81-82页 |
| 5.4.3 碎瓷片分类实验 | 第82页 |
| 5.4.4 结果分析 | 第82-84页 |
| 5.5 本章小结 | 第84-86页 |
| 第6章 基于决策融合的分类器集成 | 第86-102页 |
| 6.1 引言 | 第86页 |
| 6.2 子分类器差异性度量方法 | 第86-89页 |
| 6.2.1 成对分类器度量 | 第86-88页 |
| 6.2.2 多分类器度量 | 第88-89页 |
| 6.3 多分类器系统构造基本方法 | 第89-92页 |
| 6.3.1 子分类器生成 | 第89-90页 |
| 6.3.2 子分类器集成融合 | 第90-92页 |
| 6.4 基于AGOHS的多分类器系统构造 | 第92-98页 |
| 6.4.1 标准和声搜索(HS)算法 | 第92-93页 |
| 6.4.2 自适应全局优化和声搜索(AGOHS) | 第93-95页 |
| 6.4.3 基于AGOHS的分类器集成 | 第95-98页 |
| 6.5 实验及结果分析 | 第98-101页 |
| 6.5.1 公共数据集测试 | 第98-99页 |
| 6.5.2 瓷片数据集测试 | 第99-101页 |
| 6.6 本章小结 | 第101-102页 |
| 第7章 融合颜色情感特征的陶瓷碎片分类 | 第102-115页 |
| 7.1 引言 | 第102-103页 |
| 7.2 PAD特征 | 第103-104页 |
| 7.2.1 PAD情感模型 | 第103页 |
| 7.2.2 PAD情感特征相似性度量 | 第103-104页 |
| 7.3 颜色DCD特征 | 第104-108页 |
| 7.3.1 MHSV颜色空间 | 第105-106页 |
| 7.3.2 空间约束模糊聚类 | 第106-107页 |
| 7.3.3 DCD特征计算方法 | 第107-108页 |
| 7.4 颜色PAD特征计算 | 第108-109页 |
| 7.5 融合颜色PAD的碎瓷片分类 | 第109-112页 |
| 7.5.1 瓷片颜色PAD特征计算 | 第109-110页 |
| 7.5.2 颜色PAD稀疏字典训练 | 第110-111页 |
| 7.5.3 分类过程 | 第111-112页 |
| 7.6 实验及结果分析 | 第112-114页 |
| 7.7 本章小结 | 第114-115页 |
| 第8章 总结与展望 | 第115-118页 |
| 8.1 本文工作总结 | 第115-116页 |
| 8.2 本文创新之处 | 第116-117页 |
| 8.3 未来工作展望 | 第117-118页 |
| 参考文献 | 第118-127页 |
| 攻读博士学位期间取得的科研成果 | 第127-129页 |
| 致谢 | 第129-130页 |
| 附录 | 第130-134页 |
