学位论文 > 优秀研究生学位论文题录展示

半调图像类型识别方法研究

作　者: 杜旭苗
导　师: 孔月萍
学　校: 西安建筑科技大学
专　业: 计算机应用技术
关键词: 图像识别半调图像支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 11次
引　用: 0次
阅　读: 论文下载

内容摘要

现有的逆半调方法大多都需要有半调类型的先验知识,因此对半调图像进行类型识别有助于提高逆半调方法的自适应性和逆半调方案的优化、建立。本文深入研究了不同半调技术的工作原理,分析了半调图像的纹理特性。并通过研究现有的图像纹理分析方法,找出了适用于半调纹理的特征描述指标——基于灰度-梯度共生矩阵的小梯度优势、大梯度优势和小波能量分布比例系数。最后,应用支持向量机为分类手段设计了一种半调图像类型识别方法,并对支持向量机的三种核函数进行了对比实验,结果表明,径向基核函数较多项式核函数和Sigmoid核函数具有更高的识别准确率。

全文目录

摘要  3-4
ABSTRACT  4-7
1 绪论  7-11
  1.1 课题背景及意义  7-8
  1.2 国内外研究现状  8-9
  1.3 本文的主要研究内容  9-11
2 半调图像纹理特征分析  11-18
  2.1 数字半调技术概述  11-12
  2.2 有序抖动类半调图像  12-15
    2.2.1 有序抖动技术  12-13
    2.2.2 纹理特性  13-15
  2.3 误差分散类半调图像  15-18
    2.3.1 误差分散技术  15-16
    2.3.2 纹理特性  16-18
3 半调图像纹理分析方法  18-33
  3.1 图像纹理分析方法概述  18-19
  3.2 灰度-梯度共生矩阵  19-24
    3.2.1 灰度-梯度共生矩阵模型  19-22
    3.2.2 仿真实验及分析  22-24
  3.3 小波分析  24-33
    3.3.1 小波分析  24-26
    3.3.2 小波包变换  26-27
    3.3.3 仿真实验及分析  27-33
4 支持向量机  33-40
  4.1 SVM理论  33-36
    4.1.1 线性可分的最优分类面  34-35
    4.1.2 非线性可分的广义最优分类面  35
    4.1.3 支持向量机  35-36
  4.2 SVM模型的建立  36-38
    4.2.1 核函数  37
    4.2.2 惩罚因子  37-38
    4.2.3 分类算法  38
  4.3 SVM多类分类器  38-40
5 半调图像类型识别方法  40-44
  5.1 总体方案设计  40-41
  5.2 分类实验  41-44
结束语  44-45
致谢  45-46
参考文献  46-50
研究成果  50

半调图像类型识别方法研究

内容摘要

全文目录

相似论文