首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于内容的WEB图像过滤技术研究

摘要第1-5页
ABSTRACT第5-7页
目录第7-10页
第一章 绪论第10-23页
   ·研究背景、目的和意义第10-11页
   ·网络过滤技术介绍第11-13页
     ·基于URL过滤方式第12页
     ·基于文本的过滤方式第12页
     ·基于图像内容的过滤方式第12-13页
     ·网络过滤系统的性能评价第13页
   ·目前已有的研究进展第13-18页
     ·国外研究进展第14-17页
     ·国内研究进展第17-18页
   ·存在的问题第18页
   ·研究目标与内容第18-20页
   ·论文组织结构第20-23页
第二章 皮肤检测第23-47页
   ·肤色的可分性第23-24页
   ·颜色空间第24-28页
     ·RGB颜色空间第25页
     ·HSI颜色空间第25-26页
     ·YCbCr颜色空间第26页
     ·颜色空间选择第26-28页
   ·肤色模型第28-37页
     ·肤色区域模型第28-31页
     ·高斯模型第31-34页
       ·单高斯模型第31-32页
       ·高混合斯模型第32-34页
     ·统计直方图模型第34-37页
   ·综合颜色、纹理和邻域信息的皮肤检测第37-42页
     ·SPM方法的不足第37-38页
     ·利用Gabor变换得到纹理特征第38-40页
     ·利用纹理图降低错检率第40-41页
     ·利用邻域信息提高正检率第41-42页
   ·利用形态学算子进行滤波第42-44页
   ·实验结果第44-45页
   ·本章小结第45-47页
第三章 人脸检测及其作用第47-67页
   ·人脸检测方法第48-49页
   ·基于Adaboost的人脸检测算法第49-53页
     ·特征提取第50-51页
     ·AdaBoost学习算法第51-53页
     ·分级分类器第53页
   ·人脸区域的验证第53-57页
     ·利用肤色特征验证人脸区域第54-56页
     ·利用几何特征验证人脸区域第56-57页
   ·脸部为重点的图像识别第57-59页
   ·利用人脸肤色的自动白平衡第59-65页
     ·白平衡介绍第59-61页
     ·利用人脸肤色的自动白平衡校正第61-65页
   ·本章小结第65-67页
第四章 特征提取第67-84页
   ·特征描述第67-68页
   ·基于皮肤掩码图像提取的特征第68-70页
   ·颜色特征第70-74页
     ·颜色矩第70-71页
     ·色度矩第71-72页
     ·颜色相关图第72-74页
   ·纹理特征第74-79页
     ·小波变换与多尺度分析第74-77页
     ·小波包分析第77-79页
     ·基于小波包技术的纹理特征第79页
   ·形状特征第79-82页
     ·Hu不变矩第79-80页
     ·基于边缘信息的不变矩第80-81页
     ·基于不变矩的形状特征第81-82页
   ·本章小结第82-84页
第五章 基于主动SVM的图像识别第84-104页
   ·选择SVM原因第84-85页
   ·支持向量机第85-88页
   ·核函数的选择及参数调节第88-90页
   ·提高SVM分类精度的方式第90-91页
   ·SVM主动学习方法第91-93页
   ·SVM增量学习第93-94页
   ·增量式主动学习第94-95页
   ·直推式SVM学习第95-99页
     ·归纳推理和直推式推理第95-96页
     ·SVM直推式学习方法第96-99页
   ·SVM直推式增量主动学习第99-100页
   ·实验结果第100-102页
   ·本章小结第102-104页
第六章 总结与展望第104-107页
   ·本文工作总结第104-106页
   ·未来工作建议及展望第106-107页
参考文献第107-115页
致谢第115-116页
攻读博士学位期间发表的论文和参与的研究工作第116-118页

论文共118页,点击 下载论文
上一篇:基于消息中间件的信息流研究
下一篇:MES构架及与企业信息系统集成研究