基于计算机视觉技术的分鱼算法研究
| 中文摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 计算机视觉分类应用简介 | 第11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 目前研究存在的问题 | 第13页 |
| 1.5 本论文的主要研究内容 | 第13-14页 |
| 1.6 本章小结 | 第14-15页 |
| 第二章 计算机视觉采集及其处理 | 第15-25页 |
| 2.1 计算机视觉的图像采集 | 第15页 |
| 2.2 图像采集 | 第15-16页 |
| 2.3 图像预处理 | 第16-23页 |
| 2.3.1 图像灰度化 | 第17-19页 |
| 2.3.2 图像二值化 | 第19-21页 |
| 2.3.3 图像增强 | 第21-22页 |
| 2.3.4 图像轮廓提取 | 第22-23页 |
| 2.4 图像处理实验平台开发 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 鱼的特征提取 | 第25-32页 |
| 3.1 颜色特征提取 | 第25-27页 |
| 3.2 纹理提取 | 第27-29页 |
| 3.3 形状提取 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于主成分分析法鱼的特征研究 | 第32-42页 |
| 4.1 主成分分析法原理 | 第32-34页 |
| 4.2 主成分分析步骤 | 第34-35页 |
| 4.3 方法的应用 | 第35-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 基于支持向量机鱼的品种分类 | 第42-54页 |
| 5.1 支持向量机的分类思想 | 第42页 |
| 5.2 支持向量机理论基础 | 第42-46页 |
| 5.2.1 线性可分的情况下 | 第42-44页 |
| 5.2.2 非线性可分情况下 | 第44-45页 |
| 5.2.3 核函数的选择 | 第45页 |
| 5.2.4 多分类问题 | 第45-46页 |
| 5.3 SVM的参数优化 | 第46-47页 |
| 5.4 支持向量机的软件包 | 第47页 |
| 5.5 基于支持向量机识别和分析 | 第47-53页 |
| 5.5.1 鱼类样本数据准备 | 第48页 |
| 5.5.2 训练集和测试集的产生 | 第48-49页 |
| 5.5.3 数据的归一化处理 | 第49-50页 |
| 5.5.4 四个核函数的选择实验 | 第50页 |
| 5.5.5 交叉验证选择最佳参数c&g | 第50-52页 |
| 5.5.6 预测结果分析 | 第52-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |
