在蒙古族家具紋樣分類中,目前主要依靠主觀視覺效果進(jìn)行分類,分類結(jié)果不夠準(zhǔn)確。在獲得蒙古族家具紋樣的過程中,由于歷史變遷、環(huán)境因素、取樣設(shè)備以及傳輸過程中其它因素的影響,會使紋樣模糊失真,影響紋樣識別。為了增強(qiáng)模糊失真的家具紋樣,以及更好地提高紋樣識別率,從而達(dá)到準(zhǔn)確分類的目的,本研究提出了基于Lαβ變換和AGC(Adaptive Gamma Correction)的蒙古族家具紋樣增強(qiáng)算法。該算法將RGB(Red Green Blue)色彩空間轉(zhuǎn)換到Lαβ色彩空間,其中 L(Brightness)為亮度通道、α(Red-green dominance channel)為紅綠色度通道、β(Yellow-blue dominance channel)為黃藍(lán)色度通道,消除了RGB顏色通道之間的相互干擾,最后利用AGC算法進(jìn)行增強(qiáng),輸出增強(qiáng)的家具紋樣。論文研究的主要內(nèi)容如下:1.介紹了圖像增強(qiáng)理論及具有代表性的離散小波變換奇異值分解DWT-SVD(Discrete Wavelet Transform-Singular Value Decomposition)、對比度受限的自適應(yīng)直方圖均衡化 CL...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
縮略語表
1 引言
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 國內(nèi)研究現(xiàn)狀
        1.2.2 國外研究現(xiàn)狀
    1.3 研究目的及內(nèi)容
        1.3.1 研究目的
        1.3.2 研究內(nèi)容
2 傳統(tǒng)圖像增強(qiáng)方法
    2.1 基于CLAHE圖像增強(qiáng)算法
    2.2 基于DWT-SVD的圖像增強(qiáng)算法
    2.3 基于伽馬校正的圖像增強(qiáng)算法
    2.4 本章小結(jié)
3 基于Lαβ變換和AGC的蒙古族家具紋樣增強(qiáng)算法
    3.1 顏色空間
        3.1.1 RGB空間
        3.1.2 HSL和HSV空間
        3.1.3 RGB到lαβ顏色空間
    3.2 AGC圖像增強(qiáng)中的圖像類別
    3.3 AGC的強(qiáng)度變換
        3.3.1 基于AGC的低對比度圖像增強(qiáng)
        3.3.2 基于AGC的高對比度圖像增強(qiáng)
    3.4 實(shí)驗(yàn)方法
    3.5 本章小結(jié)
4 蒙古族家具紋樣增強(qiáng)效果的比較
    4.1 實(shí)驗(yàn)材料與設(shè)備
    4.2 實(shí)驗(yàn)結(jié)果與分析
        4.2.1 主觀評價(jià)
        4.2.2 客觀評價(jià)
    4.3 本章小結(jié)
5 基于SVM的蒙古族家具紋樣識別
    5.1 紋樣預(yù)處理
    5.2 識別參數(shù)
    5.3 基于SVM(支持向量機(jī))徑向基函數(shù)的蒙古族家具紋樣識別
        5.3.1 SVM識別原理
        5.3.2 徑向基函數(shù)
    5.4 識別結(jié)果與分析
    5.5 本章小結(jié)
6 結(jié)論與創(chuàng)新
    6.1 結(jié)論
    6.2 創(chuàng)新
致謝
參考文獻(xiàn)
作者簡介



本文編號：3803626