中国画的计算机分类研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.2.1 中国画分类现状分析 | 第10-11页 |
| 1.2.2 算法研究现状分析 | 第11-12页 |
| 1.3 研究内容和论文组织结构 | 第12-15页 |
| 2 图像分析理论基础 | 第15-23页 |
| 2.1 图像特征提取概述 | 第15-18页 |
| 2.1.1 颜色特征 | 第15-16页 |
| 2.1.2 形状特征 | 第16-17页 |
| 2.1.3 纹理特征 | 第17-18页 |
| 2.2 图像识别 | 第18-21页 |
| 2.2.1 人工神经网络 | 第19页 |
| 2.2.2 支持向量机 | 第19-21页 |
| 2.3 本章小结 | 第21-23页 |
| 3 复杂网络提取纹理特征 | 第23-39页 |
| 3.1 复杂网络理论 | 第23-27页 |
| 3.1.1 复杂网络的定义和描述 | 第23-24页 |
| 3.1.2 复杂网络的小世界性 | 第24-26页 |
| 3.1.3 复杂网络模型 | 第26-27页 |
| 3.2 复杂网络与纹理特征 | 第27-35页 |
| 3.2.1 复杂网络的计算 | 第28-29页 |
| 3.2.2 复杂网络的纹理特征提取 | 第29-31页 |
| 3.2.3 复杂网络的演化 | 第31-35页 |
| 3.3 复杂网络对纹理的描述能力 | 第35-36页 |
| 3.5 本章小结 | 第36-39页 |
| 4 基于图像熵的分块筛选 | 第39-51页 |
| 4.1 信息量和图像熵 | 第39-41页 |
| 4.2 基于自适应图像熵阈值的分块筛选 | 第41-50页 |
| 4.2.1 自适应图像熵阈值筛选的提出 | 第41页 |
| 4.2.2 基于图像熵的分块筛选机制 | 第41-42页 |
| 4.2.3 基于图像熵的分块筛选机制的应用 | 第42-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 系统构造与实验结果分析 | 第51-63页 |
| 5.1 系统的需求 | 第51页 |
| 5.2 系统的建立 | 第51-52页 |
| 5.3 系统的界面和操作 | 第52-57页 |
| 5.3.1 图像特征提取界面 | 第52-54页 |
| 5.3.2 中国画分类界面 | 第54-56页 |
| 5.3.3 中国画识别界面 | 第56-57页 |
| 5.4 实验数据及分析 | 第57-62页 |
| 5.4.1 实验方案设计 | 第57-59页 |
| 5.4.2 实验结果及分析 | 第59-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间的主要研究成果 | 第69-71页 |
| 致谢 | 第71页 |
