面向环境分类的感知图像的特征提取方法
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-17页 |
| ·研究背景 | 第7-11页 |
| ·课题由来 | 第7-8页 |
| ·智能车辆概述 | 第8页 |
| ·本文研究意义及内容 | 第8-11页 |
| ·感知图像的统计特性 | 第11-14页 |
| ·二阶统计特性 | 第11-13页 |
| ·高阶统计特性 | 第13-14页 |
| ·特征提取概述 | 第14-16页 |
| ·特征提取和特征选择 | 第14页 |
| ·Marr特征分析理论 | 第14-16页 |
| ·本文的结构安排 | 第16-17页 |
| 2 颜色特征提取 | 第17-26页 |
| ·颜色空间简介 | 第17-18页 |
| ·颜色空间分类 | 第17-18页 |
| ·面向视觉感知的颜色空间 | 第18页 |
| ·颜色空间转换 | 第18-20页 |
| ·RGB颜色空间 | 第18-19页 |
| ·HSV颜色空间 | 第19-20页 |
| ·RGB到HSV空间转换 | 第20页 |
| ·基于HSV空间的颜色矩特征提取方法 | 第20-22页 |
| ·常用颜色特征提取方法 | 第21页 |
| ·颜色矩特征提取 | 第21-22页 |
| ·基于HSV空间颜色特征独立分量实验分析 | 第22-25页 |
| ·实验步骤和结果 | 第22-25页 |
| ·实验结果分析 | 第25页 |
| ·本章小结 | 第25-26页 |
| 3 纹理特征提取 | 第26-42页 |
| ·纹理特征概述 | 第26页 |
| ·常用纹理特征分析方法 | 第26-27页 |
| ·基于快速傅立叶变换(FFT)的特征提取方法 | 第27-34页 |
| ·FFT算法的基本原理 | 第28-31页 |
| ·基于频率谱的纹理特征提取 | 第31-32页 |
| ·特征归一化方法 | 第32页 |
| ·基于FFT纹理特征独立分量实验分析 | 第32-34页 |
| ·基于Gabor滤波器的纹理特征提取方法 | 第34-40页 |
| ·Gabor概述 | 第34-35页 |
| ·Gabor滤波器 | 第35-36页 |
| ·Gabor滤波器组参数确定 | 第36-37页 |
| ·基于Gabor滤波器纹理特征独立分量实验分析 | 第37-40页 |
| ·基于FFT和Gabor特征提取方法分类对比分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于支持向量机的感知图像的分类 | 第42-53页 |
| ·支持向量机简介 | 第42-44页 |
| ·非线性空间 | 第43页 |
| ·核函数 | 第43-44页 |
| ·基于独立分量分析的特征降维 | 第44-47页 |
| ·主分量分析法 | 第44-45页 |
| ·独立分量分析法 | 第45-47页 |
| ·FastICA算法 | 第47页 |
| ·基于支持向量机的环境感知图像分类实验分析 | 第47-52页 |
| ·实验步骤说明 | 第47-48页 |
| ·实验过程 | 第48-51页 |
| ·实验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 5 总结 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
