基于多标记学习的储粮害虫图像分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·本课题的研究背景和意义 | 第9-10页 |
| ·国内外储粮害虫分类识别研究现状 | 第10-13页 |
| ·多标记学习研究现状 | 第13-14页 |
| ·研究目标与研究内容 | 第14页 |
| ·论文组织框架结构 | 第14-16页 |
| 第二章 图像预处理 | 第16-27页 |
| ·引言 | 第16页 |
| ·图像平滑 | 第16-20页 |
| ·邻域平均法 | 第16-17页 |
| ·中值滤波法 | 第17-18页 |
| ·改进的小波阈值方法 | 第18-20页 |
| ·图像分割 | 第20-26页 |
| ·阈值分割法 | 第20-21页 |
| ·边缘检测 | 第21-25页 |
| ·基于区域分割法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 图像特征提取及稀疏编码 | 第27-40页 |
| ·颜色特征 | 第27-29页 |
| ·颜色空间 | 第27-28页 |
| ·颜色特征描述 | 第28-29页 |
| ·纹理特征 | 第29-32页 |
| ·灰度共生矩阵纹理分析法 | 第29-31页 |
| ·Tamura 纹理特征分析法 | 第31-32页 |
| ·形态学特征 | 第32-35页 |
| ·稀疏编码 | 第35-39页 |
| ·稀疏分解算法 | 第36-37页 |
| ·字典学习 | 第37-38页 |
| ·粮虫图像特征稀疏编码 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 粮虫图像多标记表示及分类器构建 | 第40-53页 |
| ·多标记学习 | 第40-43页 |
| ·多标记学习框架 | 第40-42页 |
| ·评价指标 | 第42-43页 |
| ·多示例学习 | 第43-44页 |
| ·多示例多标记学习 | 第44-45页 |
| ·粮虫图像的多示例多标记表示 | 第45-46页 |
| ·粮虫图像的多标记表示 | 第46页 |
| ·基于 AdaBoost.MH 算法分类器的构建 | 第46-50页 |
| ·AdaBoost 概述 | 第46-47页 |
| ·传统 AdaBoost 算法 | 第47-48页 |
| ·AdaBoost.MH 算法 | 第48-50页 |
| ·粮虫图像多标记分类工作流程 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 粮虫图像多标记分类及实验分析 | 第53-62页 |
| ·基于多标记学习的粮虫图像分类 | 第53-58页 |
| ·粮虫图像预处理 | 第53-56页 |
| ·粮虫图像特征提取 | 第56-57页 |
| ·粮虫图像多标记表示 | 第57-58页 |
| ·构建分类器实现粮虫图像分类 | 第58页 |
| ·实验及结果分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 工作总结 | 第62-63页 |
| 进一步的工作 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
