图像识别中骨架提取及描述方法相关研究
| 摘要 | 第1页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·课题的研究背景 | 第7-8页 |
| ·骨架相关理论国内外研究现状 | 第8-11页 |
| ·骨架定义 | 第8-9页 |
| ·图像识别技术中骨架相关理论研究现状 | 第9-11页 |
| ·本文选题的意义 | 第11页 |
| ·本文的主要研究内容和章节安排 | 第11-13页 |
| 第二章 物体骨架提取方法研究 | 第13-27页 |
| ·引言 | 第13-14页 |
| ·骨架提取研究的重要性 | 第13页 |
| ·物体骨架与物体边界/轮廓的关系 | 第13页 |
| ·提取物体骨架的基本要求 | 第13-14页 |
| ·经典的物体骨架提取算法 | 第14-17页 |
| ·细化骨架提取算法 | 第14-15页 |
| ·距离变换骨架提取算法 | 第15-16页 |
| ·VORONOI图骨架化算法 | 第16页 |
| ·偏微分方程骨架化算法 | 第16页 |
| ·形态学骨架提取算法 | 第16-17页 |
| ·当前骨架提取算法面临的重点和难点 | 第17-18页 |
| ·构建物体视觉主骨架 | 第18-22页 |
| ·视觉主部分概念 | 第18-20页 |
| ·获得视觉主部分方法 | 第20-21页 |
| ·提取视觉主骨架 | 第21-22页 |
| ·视觉主骨架与经典骨架提取效果的比较 | 第22-26页 |
| ·降低骨架噪声 | 第23-24页 |
| ·降低骨架尺度变化敏感性 | 第24页 |
| ·有效突出视觉部分 | 第24-25页 |
| ·骨架提取综合效果方面 | 第25-26页 |
| ·结论 | 第26-27页 |
| 第三章 骨架树描述及有关识别算法研究 | 第27-41页 |
| ·引言 | 第27页 |
| ·骨架树模型的建立 | 第27-30页 |
| ·骨架树建立 | 第27-28页 |
| ·多尺度骨架树的建立 | 第28-29页 |
| ·选取根节点 | 第29-30页 |
| ·骨架树拓扑描述及有关识别算法 | 第30-34页 |
| ·拓扑结构描述 | 第30-31页 |
| ·基于拓扑相似度的识别算法 | 第31-34页 |
| ·骨架树形状描述及有关识别算法 | 第34-37页 |
| ·形状特征描述 | 第34-35页 |
| ·基于拓扑和形状相似度结合的识别算法 | 第35-37页 |
| ·骨架树描述及识别算法实验验证 | 第37-40页 |
| ·实验平台和对象选取 | 第37页 |
| ·拓扑相似度计算及识别实验 | 第37-39页 |
| ·拓扑和形状关联的相似度计算及识别实验 | 第39-40页 |
| ·结论 | 第40-41页 |
| 第四章 骨架的矩描述和有关识别算法实现 | 第41-57页 |
| ·引言 | 第41页 |
| ·骨架不变矩描述 | 第41-44页 |
| ·矩和不变矩相关理论 | 第41-42页 |
| ·扩展Hu不变矩公式 | 第42-44页 |
| ·基于神经网络和不变矩的图像识别算法 | 第44-46页 |
| ·BPF神经网络 | 第44-46页 |
| ·基于BPF和不变矩的图像识别算法 | 第46页 |
| ·有关骨架矩描述的图像识别算法实验验证 | 第46-55页 |
| ·实验平台和对象选取 | 第47-48页 |
| ·算法有效性研究及分析 | 第48-52页 |
| ·算法抗噪效应研究及分析 | 第52-54页 |
| ·算法效率研究及分析 | 第54-55页 |
| ·结轮 | 第55-57页 |
| 第五章 结论与展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表的学术论文和参加科研情况 | 第65页 |
