基于改进LBP特征的图像理解
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 图像分类技术研究现状 | 第19-32页 |
| 2.1 特征提取与编码 | 第19-28页 |
| 2.1.1 局部特征描述 | 第19-21页 |
| 2.1.2 Bag-of-features 模型 | 第21-23页 |
| 2.1.3 稀疏编码 | 第23-27页 |
| 2.1.4 常见纹理描述方法 | 第27-28页 |
| 2.2 分类学习算法及研究现状 | 第28-31页 |
| 2.2.1 有监督分类 | 第28-29页 |
| 2.2.2 无监督分类 | 第29页 |
| 2.2.3 常用纹理模式分类算法 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 多尺度自适应 LBP 算法 | 第32-45页 |
| 3.1 LBP 算子概述 | 第32-33页 |
| 3.2 LBP 算子的发展和演化 | 第33-38页 |
| 3.2.1 多尺度 LBP | 第34-35页 |
| 3.2.2 旋转不变 LBP | 第35-36页 |
| 3.2.3 等价模式 LBP | 第36-37页 |
| 3.2.4 旋转不变等价模式 LBP | 第37-38页 |
| 3.3 LBP 特点及应用 | 第38-39页 |
| 3.4 自适应算法概述 | 第39-44页 |
| 3.4.1 自适应半径的确定 | 第39-41页 |
| 3.4.2 P,R 关系确定 | 第41-42页 |
| 3.4.3 确定编码方式 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于改进 LBP 特征的图像分类 | 第45-52页 |
| 4.1 基于改进 LBP 特征的图像分类系统 | 第45页 |
| 4.2 分类方法框架 | 第45-46页 |
| 4.3 实验数据及配置 | 第46-48页 |
| 4.4 实验结果 | 第48-50页 |
| 4.5 实验结果分析 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 作者简介及在学期间所取得的科研成果 | 第57-58页 |
| 致谢 | 第58页 |
