|
三类传统龙纹图案数据集构建与系统实现 | |
论文目录 | |
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 三类传统龙纹图案数据集构建与优化相关技术原理 | 第16-26页 |
| 2.1 数据集构建相关技术 | 第16-22页 |
| 2.1.1 爬虫技术 | 第16页 |
| 2.1.2 图像预处理 | 第16-17页 |
| 2.1.3 图像数据过滤方法 | 第17-21页 |
| 2.1.4 图像数据去重方法 | 第21-22页 |
| 2.2 数据集优化相关技术 | 第22-25页 |
| 2.2.1 图卷积网络 | 第22-23页 |
| 2.2.2 图像超分辨率方法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 三类传统龙纹图案数据集构建 | 第26-43页 |
| 3.1 图像数据获取与预处理 | 第26-31页 |
| 3.1.1 标本库入库模型构建 | 第26-27页 |
| 3.1.2 聚焦爬虫算法 | 第27-29页 |
| 3.1.3 图像数据预处理 | 第29-31页 |
| 3.2 图像数据过滤 | 第31-39页 |
| 3.2.1 基于WSACI-LBP的特征提取 | 第31-33页 |
| 3.2.2 基于不变距和WSACI-LBP的融合框架 | 第33-36页 |
| 3.2.3 图像数据过滤仿真实验 | 第36-39页 |
| 3.3 数据数据去重 | 第39-42页 |
| 3.3.1 分块感知哈希的图像去重算法 | 第39-40页 |
| 3.3.2 图像数据去重仿真实验 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 三类传统龙纹图案数据集优化 | 第43-53页 |
| 4.1 基于图卷积网络的图像标注 | 第43-47页 |
| 4.1.1 三类传统纹样图像标注体系 | 第43-44页 |
| 4.1.2 基于GCN的图像多标签标注学习 | 第44-46页 |
| 4.1.3 图像标注仿真实验 | 第46-47页 |
| 4.2 基于AM-RDN的图像超分辨率重建 | 第47-51页 |
| 4.2.1 AM-RDN模型构建 | 第47-50页 |
| 4.2.2 图像超分辨率仿真实验 | 第50-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 三类传统龙纹图案数据集构建系统实现 | 第53-74页 |
| 5.1 系统需求分析 | 第53-55页 |
| 5.1.1 系统功能性需求分析 | 第53-54页 |
| 5.1.2 系统非功能性需求分析 | 第54-55页 |
| 5.2 系统设计与实现 | 第55-69页 |
| 5.2.1 系统总体设计 | 第55-57页 |
| 5.2.2 系统主要模块设计 | 第57-64页 |
| 5.2.3 系统功能展示 | 第64-69页 |
| 5.3 系统测试 | 第69-73页 |
| 5.3.1 测试环境 | 第69-70页 |
| 5.3.2 功能测试 | 第70-72页 |
| 5.3.3 性能测试 | 第72-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间取得的研究成果 | 第82页 |
本篇论文共82页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 a38a30837** 提供，作者删除入口请点击这里 |