[giaban]0.000 VNĐ[/giaban]
[kythuat]
[/kythuat]
[tomtat]
[tomtat]
Nghiên
cứu và xây dựng bộ lọc ảnh thông qua phân loại ảnh kết hợp với gom cụm
File toàn văn Down tại đây or Down tại đây or Down tại đây
File thuyết trình Down tại đây or Down tại đây or Down tại đây
MỤC
LỤC
DANH
MỤC HÌNH
DANH
MỤC BẢNG
DANH
MỤC CÁC TỪ VIẾT TẮT
MỞ
ĐẦU
CHƯƠNG
1: TỔNG QUAN VỀ PHÂN LOẠI HÌNH ẢNH.
1.1.
Tổng quan về phân loại hình ảnh.
1.1.1.
Giới thiệu về bài toán phân loại
1.1.2.
Tổng quan.
1.2.
Quy trình phân loại ảnh
CHƯƠNG
2: CÁC PHƯƠNG PHÁP TRÍCH CHỌN ĐẶC TRƯNG VÀ ĐỘ ĐO TƯƠNG ĐỒNG GIỮA CÁC ẢNH.
2.1.
Harris
2.2.
SIFT (Scale Invarian Feature Transform)
2.2.1.
Phát hiện cực trị.
2.2.2.
Định vị chính xác điểm khóa
2.2.3.
Gán hướng cho các điểm khóa
2.2.4.
Xây dựng bộ mô tả cục bộ
2.3.
Harris-Laplace
2.3.1.
Không gian tỷ lệ
2.3.2.
Hàm Harris thích nghi tỷ lệ
2.3.3.
Sự lựa chọn tỷ lệ tự động
2.3.4.
Thuật toán phát hiện điểm bất động
2.4.
Harris-Affine
2.4.1.
Mục tiêu
2.4.2.
Ma trận Moment cấp hai Affine
2.4.3.
Kỹ thuật phát hiện điểm bất động
2.5.
Phương pháp SURF (Speed Up Robust Feature)
2.5.1.
Ảnh tích hợp (integral image)
2.5.2.
Phát hiện Fast-Hessian:
2.5.3.
Sự biểu diễn không gian tỷ lệ:
2.5.4.
Định vị điểm quan tâm
2.5.5.
Bộ mô tả điểm quan tâm và so khớp
2.6.
So sánh - Kết luận
2.7.
Lựa chọn đặc trưng
CHƯƠNG
3: CÁC PHƯƠNG PHÁP PHÂN LOẠI ẢNH
3.1.
Tổng quan.
3.2.
Các phương pháp phân loại ảnh.
3.2.1.
Phương pháp phân loại K-Means. (tham khảo web)
3.2.2.
Phương pháp pháp Naïve Bayes (NB)
3.2.3.
Phương pháp Support Vector Machine (SVM)
3.2.4.
Phương pháp K-Nearest Neighbor (KNN)
3.2.5.
Phương pháp Linear Least Square Fit (LLSF)
3.2.6.
Phương pháp Centroid – based vector
3.2.7.
Kết luận
CHƯƠNG
4: ỨNG DỤNG ĐẶC TRƯNG BẤT BIẾN KẾT HỢP K-MEAN TRONG PHÂN LOẠI ẢNH.
4.1.
Bài toán phân loại ảnh
4.1.1.
Mô hình bài toán phân loại ảnh
4.1.2.
Thuật toán sử dụng
4.2.
Hiện thực bài toán
4.2.1.
Môi trường
4.1.2.
Công cụ sử dụng
4.1.3.
Dữ liệu
4.1.4.
Chương trình
4.1.5.
Đánh giá.
KẾT
LUẬN VÀ KIẾN NGHỊ
Bài viết liên quan
