基于内容的图像结构表示和分类
| 第一章 绪论 | 第1-12页 |
| 1．1 课题来源 | 第8页 |
| 1．2 研究的背景和意义 | 第8-9页 |
| 1．3 国内外研究现状 | 第9-10页 |
| 1．4 本文的主要工作 | 第10-12页 |
| 第二章 基于内容的图像分类 | 第12-34页 |
| 2．1 引言 | 第12-13页 |
| 2．2 图像特征提取与表达 | 第13-14页 |
| 2．3 颜色特征的提取 | 第14-20页 |
| 2．3．1 颜色直方图 | 第14-15页 |
| 2．3．2 颜色量化 | 第15-19页 |
| 2．3．3 颜色矩 | 第19-20页 |
| 2．3．4 颜色集 | 第20页 |
| 2．3．5 颜色聚合向量 | 第20页 |
| 2．4 纹理特征的提取 | 第20-25页 |
| 2．4．1 Tamura纹理特征 | 第21-23页 |
| 2．4．2 共生矩阵 | 第23-25页 |
| 2．5 形状特征的提取 | 第25-27页 |
| 2．5．1 傅立叶形状描述符 | 第25-26页 |
| 2．5．2 形状无关矩 | 第26-27页 |
| 2．6 BP神经网络对图像分类 | 第27-29页 |
| 2．6．1 前向神经网络 | 第27-28页 |
| 2．6．2 BP算法 | 第28-29页 |
| 2．7 实验结果及其分析 | 第29-33页 |
| 2．8 小结 | 第33-34页 |
| 第三章 自适应处理数据结构 | 第34-54页 |
| 3．1 引言 | 第34-35页 |
| 3．2 应用实例 | 第35-40页 |
| 3．2．1 图像处理 | 第35-36页 |
| 3．2．2 文档处理 | 第36-37页 |
| 3．2．3 Internet行为 | 第37-38页 |
| 3．2．4 软件工程 | 第38-39页 |
| 3．2．5 交通警察 | 第39-40页 |
| 3．3 数学背景和定义 | 第40-52页 |
| 3．3．1 数据的图表示 | 第40-44页 |
| 3．3．2 迭代网络模型 | 第44-46页 |
| 3．3．3 编码网络模型 | 第46-48页 |
| 3．3．4 结构数据表示 | 第48-50页 |
| 3．3．5 输入输出的学习 | 第50-52页 |
| 3．4 训练算法 | 第52-53页 |
| 3．5 小结 | 第53-54页 |
| 第四章 图像内容的结构表示和分类 | 第54-72页 |
| 4．1 引言 | 第54页 |
| 4．2 图像内容的结构化表示 | 第54-59页 |
| 4．2．1 基于四叉树的区域划分 | 第54-56页 |
| 4．2．2 基于图像分割的区域划分 | 第56-57页 |
| 4．2．3 自动二叉树和人工多叉树的建立 | 第57-59页 |
| 4．3 通过结构的反传学习算法 | 第59-62页 |
| 4．3．1 BPTS原型 | 第59页 |
| 4．3．2 几种常用的网络模型 | 第59-62页 |
| 4．4 实验结果和分析 | 第62-70页 |
| 4．4．1 两类图像的分类结果和分析 | 第62-66页 |
| 4．4．2 五类图像的分类结果和分析 | 第66-70页 |
| 4．5 小结 | 第70-72页 |
| 第五章 总结和展望 | 第72-74页 |
| 5．1 本文工作及成果总结 | 第72-73页 |
| 5．2 本文存在的不足及今后研究方向 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间参加的项目和发表的论文 | 第79-80页 |
