基于LBP-DEELM的木材纹理分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究目的及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文内容安排 | 第11-12页 |
| 2 木材纹理特征提取 | 第12-23页 |
| 2.1 LBP起源 | 第12页 |
| 2.2 LBP算子 | 第12-15页 |
| 2.3 LBP算子的发展 | 第15-17页 |
| 2.3.1 LBP均匀模式 | 第15-16页 |
| 2.3.2 LBP旋转不变 | 第16页 |
| 2.3.3 LBP旋转不变均匀模式 | 第16-17页 |
| 2.4 LBP在特征提取中的应用 | 第17-22页 |
| 2.4.1 LBP直方图统计 | 第17页 |
| 2.4.2 LBP特性的应用 | 第17-21页 |
| 2.4.3 LBP的领域应用 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 木材纹理分类算法 | 第23-40页 |
| 3.1 BP神经网络算法 | 第23-26页 |
| 3.2 决策树算法 | 第26-28页 |
| 3.3 SVM算法 | 第28-30页 |
| 3.4 自适应增强 | 第30-33页 |
| 3.4.1 Adaboost算法流程 | 第31-32页 |
| 3.4.2 LBP与Adaboost融合应用 | 第32-33页 |
| 3.5 DEELM模型 | 第33-38页 |
| 3.5.1 DEELM的基本概念 | 第33页 |
| 3.5.2 极限学习机原理 | 第33-35页 |
| 3.5.3 差分演化算法原理 | 第35-37页 |
| 3.5.4 DEELM分类模型 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 4 实验结果及分析 | 第40-54页 |
| 4.1 木材纹理样本 | 第40-41页 |
| 4.2 LBP算子参数的选取 | 第41-47页 |
| 4.3 DEELM模型建立 | 第47-49页 |
| 4.4 实验结果 | 第49-53页 |
| 4.5 实验结论 | 第53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
