SVM及其扩展算法在图像处理中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·图像分割的综述 | 第10-12页 |
| ·图像分割的定义 | 第10-11页 |
| ·图像分割的传统方法 | 第11-12页 |
| ·支持向量机概述 | 第12页 |
| ·本文的主要工作和章节安排 | 第12-14页 |
| 第二章 图像分割技术简述 | 第14-22页 |
| ·图像的预处理技术 | 第14页 |
| ·图像分割的一般方法 | 第14-21页 |
| ·基于区域的分割方法 | 第14-16页 |
| ·阈值分割 | 第16-18页 |
| ·基于边缘的分割方法 | 第18-21页 |
| ·基于特定理论的分割方法 | 第21页 |
| ·小结 | 第21-22页 |
| 第三章 统计学习理论与支持向量机 | 第22-35页 |
| ·机器学习的一般理论 | 第22-23页 |
| ·经验风险最小化 | 第23-24页 |
| ·统计学习理论 | 第24-27页 |
| ·VC维 | 第24-25页 |
| ·推广性界限 | 第25-26页 |
| ·结构风险最小化 | 第26-27页 |
| ·支持向量机 | 第27-33页 |
| ·广义最优分类面 | 第27-30页 |
| ·核函数 | 第30-31页 |
| ·支持向量机的算法 | 第31-33页 |
| ·小结 | 第33-35页 |
| 第四章 基于几何算法的支持向量机 | 第35-46页 |
| ·支持向量机的局限性 | 第35-36页 |
| ·支持向量机中的二次规划问题 | 第35-36页 |
| ·传统QP问题的解决方法 | 第36页 |
| ·最小包围球问题 | 第36-38页 |
| ·相关定义 | 第36-37页 |
| ·(1+ε)近似包围球算法 | 第37-38页 |
| ·核向量机 | 第38-42页 |
| ·核向量机的描述 | 第38-40页 |
| ·实验与讨论 | 第40-42页 |
| ·球向量机 | 第42-45页 |
| ·球向量机的描述 | 第42-43页 |
| ·实验与讨论 | 第43-45页 |
| ·小结 | 第45-46页 |
| 第五章 基于球向量机的图像分割 | 第46-56页 |
| ·分割图像样本 | 第46页 |
| ·输入空间 | 第46-47页 |
| ·图像特征提取及归一化 | 第47-50页 |
| ·像素特征及灰度统计特征 | 第47页 |
| ·纹理特征的提取 | 第47-49页 |
| ·特征归一化 | 第49页 |
| ·最终样本的选取 | 第49-50页 |
| ·实验及分析 | 第50-55页 |
| ·训练样本的获取 | 第51页 |
| ·参数选择 | 第51-52页 |
| ·原始样本的图像分割 | 第52-53页 |
| ·有噪声样本的图像分割 | 第53-55页 |
| ·小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 (攻读硕士学位期间发表的论文) | 第63-65页 |
| 详细摘要 | 第65-75页 |
