| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 机器视觉目标定位的发展概述 | 第11-12页 |
| 1.1.2 条形码定位的研究现状 | 第12-13页 |
| 1.2 主要研究内容及其章节安排 | 第13-14页 |
| 1.3 小结 | 第14-15页 |
| 第二章 条码检测技术 | 第15-21页 |
| 2.1 条形码介绍 | 第15-17页 |
| 2.2 硬件设备检测方法 | 第17-18页 |
| 2.2.1 硬件检测原理介绍 | 第18页 |
| 2.2.2 硬件检测方法的特点 | 第18页 |
| 2.3 软件检测方法 | 第18-20页 |
| 2.3.1 软件检测方式的特点 | 第19页 |
| 2.3.2 现有的条形码软件检测方法 | 第19-20页 |
| 2.4 小结 | 第20-21页 |
| 第三章 图像特征提取 | 第21-28页 |
| 3.1 图像特征提取特点介绍 | 第21-22页 |
| 3.2 图像纹理特征 | 第22-23页 |
| 3.2.1 纹理特征综述 | 第22页 |
| 3.2.2 纹理特征研究现状 | 第22-23页 |
| 3.3 局部二值模式特征 | 第23-24页 |
| 3.4 灰度共生矩阵 | 第24-25页 |
| 3.5 颜色特征 | 第25-26页 |
| 3.6 霍夫变换特征 | 第26-27页 |
| 3.7 小结 | 第27-28页 |
| 第四章 机器学习算法介绍及本文应用SVM | 第28-33页 |
| 4.1 两个代表性的机器学习方法 | 第28-30页 |
| 4.2 LIBSVM库及应用平台MATLAB | 第30-31页 |
| 4.2.1 MATLAB环境需求 | 第31页 |
| 4.3 本文创新算法中用到LIBSVM的主要环节及关键性代码 | 第31-32页 |
| 4.4 小结 | 第32-33页 |
| 第五章 基于HOUGH变换和LBP特征的SVM算法条形码检测 | 第33-42页 |
| 5.1 算法流程 | 第33-34页 |
| 5.2 二维霍夫变换的图像矫正 | 第34-36页 |
| 5.2.1 用霍夫变换进行角度检测 | 第34-35页 |
| 5.2.2 图像旋转 | 第35-36页 |
| 5.3 图像分块及样本选取 | 第36-37页 |
| 5.4 特征提取 | 第37页 |
| 5.4.1 LBP特征提取 | 第37页 |
| 5.4.2 颜色特征提取 | 第37页 |
| 5.4.3 灰度共生矩阵特征提取 | 第37页 |
| 5.5 SVM分类器的建立 | 第37-38页 |
| 5.6 条码检测及结果 | 第38-39页 |
| 5.6.1 SVM条码检测 | 第38-39页 |
| 5.6.2 后处理 | 第39页 |
| 5.7 实验结果及与现有算法的比较 | 第39-41页 |
| 5.7.1 数据库 | 第39-40页 |
| 5.7.2 实验结果及比较 | 第40-41页 |
| 5.8 小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 总结 | 第42-43页 |
| 6.2 展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录 | 第48-49页 |
| 详细摘要 | 第49-53页 |