声明
第1章 绪论
1 .1 课题研究背景和意义
1. 1. 1 课题研究背景
1. 1. 2 课题研究的意义
1 .2 国内外研究现状
1. 2. 1 传统的图像识别方法
1. 2. 2 基于深度学习方法的图像识别研究
1 .3 图像识别技术概述
1 .4 论文的主要工作和章节安排
1 .5 本章小结
第2章 图像的预处理和特征提取方法
2 .1 傅里叶变换
2 .2 图像特征提取方法
2 .3 特征图像空间的降维
2.3.1 主成分分析(PCA)
2. 3. 2 线性判别分析( LDA)
2 .4 本章小结
第3章 分类器的概述与选择
3 .1 分类器的发展现状
3 .2 支持向量机的基本原理
3. 2. 1 支持向量机的基本原理
3. 2. 2 感知机模型
3. 2. 3 函数间隔与几何间隔
3. 2. 4 支持向量机SVM
3. 2. 5 支持向量机SVM模型目标函数与优化
3. 2. 6 仿生模式识别原理
3 .3 本章小结
第4章 智能货架商品图像识别
4 .1 智能货架商品图像识别方案设计
4. 1. 1 商品图像样本的获取
4. 1. 2 图像识别方案设计
4 .2 商品图像特征提取
4. 2. 1 基于主成分分析方法的商品图像特征提取
4. 2. 2 基于线性判别分析方法的商品图像特征提取
4 .3 基于分类决策方法的图像识别
4.3.1 RGB颜色特征提取
4. 3. 2 分类决策方法设计
4.3.3 RGB和HSI空间特征分析
4 .4 基于二次分类的图像识别方法研究
4. 4. 1 二次分类图像识别方法
4. 4. 2 卷积神经网络的训练
4. 4. 3 基于卷积神经网络的图像识别
4. 4. 4 基于二次分类方法的图像识别方法
4 .5 智能货架图像识别系统的实现
4. 5. 1 商品图像预处理过程及结果
4. 5. 2 智能货架图像识别系统的设计与实现
4 .6 本章小结
第5章 货架商品图像识别实验结果与分析
5 .1 商品图像识别仿真实验结果与分析
5.1.1 基于单一分类方法的实验结果与分析
5.1.2 基于二次分类方法的图像识别结果与分析
5 .2 智能货架图像识别的结果与分析
5 .3 本章小结
第6章 总结与展望
6 .1 总结
6 .2 展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
华北电力大学;
华北电力大学(保定);