| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景和课题意义 | 第10-11页 |
| 1.2 纹理的定义 | 第11-12页 |
| 1.3 纹理特征的研究现状 | 第12-14页 |
| 1.4 纹理特征提取方法 | 第14-18页 |
| 1.4.1 图像纹理特征提取方法的简述 | 第14页 |
| 1.4.2 常用的纹理特征提取的方法 | 第14-18页 |
| 1.5 本文的组织结构 | 第18-19页 |
| 1.6 本文主要工作及创新点 | 第19-22页 |
| 第二章 传统LBP及相关改进算法 | 第22-30页 |
| 2.1 传统的LBP算法 | 第22-25页 |
| 2.1.1 LBP的简介 | 第22页 |
| 2.1.2 基本LBP算法 | 第22-24页 |
| 2.1.3 传统局部二值模式的优势与不足 | 第24-25页 |
| 2.2 几种LBP相关改进算法 | 第25-29页 |
| 2.2.1 LBP的改进简介 | 第25页 |
| 2.2.2 中心对称局部二值模式 | 第25-27页 |
| 2.2.3 自适应局部二值模式 | 第27-28页 |
| 2.2.4 完备局部二值模式 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 一种改进的CCS-LBP算子及其图像纹理特征提取应用 | 第30-40页 |
| 3.1 完备中心对称局部二值模式的简介 | 第30-31页 |
| 3.2 完备中心对称局部二值模式的算法基本描述 | 第31-32页 |
| 3.3 模板匹配 | 第32页 |
| 3.4 实验与结果分析 | 第32-39页 |
| 3.4.1 选择分块子图像的大小 | 第33-35页 |
| 3.4.2 Yale标准人脸库上的实验结果 | 第35-36页 |
| 3.4.3 Valid标准人脸库上的实验结果 | 第36-37页 |
| 3.4.4 ORL标准人脸库上的实验结果 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于Gabor滤波的完备CS-LBP图像纹理的特征提取算法 | 第40-52页 |
| 4.1 Gabor小波 | 第40-41页 |
| 4.1.1 引言 | 第40页 |
| 4.1.2 Gabor小波变换的生物学背景 | 第40-41页 |
| 4.2 基于Gabor滤波的完备CS-LBP算法 | 第41-46页 |
| 4.2.1 二维Gabor小波变换 | 第41-42页 |
| 4.2.2 二维Gabor小波参数选择 | 第42-44页 |
| 4.2.3 特征提取算法的描述 | 第44-46页 |
| 4.3 实验结果与分析 | 第46-50页 |
| 4.3.1 参数选择 | 第46-47页 |
| 4.3.2 Yale标准人脸库上的实验结果 | 第47页 |
| 4.3.3 ORL标准人脸库上的实验结果 | 第47-48页 |
| 4.3.4 FERET标准人脸库上的实验结果 | 第48-49页 |
| 4.3.5 实验结果分析与讨论 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录 攻读硕士学位期间成果 | 第60页 |