基于Lαβ变换和AGC的蒙古族家具纹样增强及分类研究

发布时间：2023-04-28 03:14

　　在蒙古族家具纹样分类中,目前主要依靠主观视觉效果进行分类,分类结果不够准确。在获得蒙古族家具纹样的过程中,由于历史变迁、环境因素、取样设备以及传输过程中其它因素的影响,会使纹样模糊失真,影响纹样识别。为了增强模糊失真的家具纹样,以及更好地提高纹样识别率,从而达到准确分类的目的,本研究提出了基于Lαβ变换和AGC(Adaptive Gamma Correction)的蒙古族家具纹样增强算法。该算法将RGB(Red Green Blue)色彩空间转换到Lαβ色彩空间,其中 L(Brightness)为亮度通道、α(Red-green dominance channel)为红绿色度通道、β(Yellow-blue dominance channel)为黄蓝色度通道,消除了RGB颜色通道之间的相互干扰,最后利用AGC算法进行增强,输出增强的家具纹样。论文研究的主要内容如下:1.介绍了图像增强理论及具有代表性的离散小波变换奇异值分解DWT-SVD(Discrete Wavelet Transform-Singular Value Decomposition)、对比度受限的自适应直方图均衡化 CL...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
缩略语表
1 引言
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 研究目的及内容
        1.3.1 研究目的
        1.3.2 研究内容
2 传统图像增强方法
    2.1 基于CLAHE图像增强算法
    2.2 基于DWT-SVD的图像增强算法
    2.3 基于伽马校正的图像增强算法
    2.4 本章小结
3 基于Lαβ变换和AGC的蒙古族家具纹样增强算法
    3.1 颜色空间
        3.1.1 RGB空间
        3.1.2 HSL和HSV空间
        3.1.3 RGB到lαβ颜色空间
    3.2 AGC图像增强中的图像类别
    3.3 AGC的强度变换
        3.3.1 基于AGC的低对比度图像增强
        3.3.2 基于AGC的高对比度图像增强
    3.4 实验方法
    3.5 本章小结
4 蒙古族家具纹样增强效果的比较
    4.1 实验材料与设备
    4.2 实验结果与分析
        4.2.1 主观评价
        4.2.2 客观评价
    4.3 本章小结
5 基于SVM的蒙古族家具纹样识别
    5.1 纹样预处理
    5.2 识别参数
    5.3 基于SVM(支持向量机)径向基函数的蒙古族家具纹样识别
        5.3.1 SVM识别原理
        5.3.2 径向基函数
    5.4 识别结果与分析
    5.5 本章小结
6 结论与创新
    6.1 结论
    6.2 创新
致谢
参考文献
作者简介



本文编号：3803626