| 中文详细摘要 | 第3-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 课题研究背景与意义 | 第12页 |
| 1.2 纹理特征提取研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 纹理分析方法综述 | 第15-21页 |
| 2.1 纹理基本定义 | 第15页 |
| 2.2 纹理特征提取方法 | 第15-18页 |
| 2.2.1 统计分析方法 | 第16页 |
| 2.2.2 结构分析方法 | 第16-17页 |
| 2.2.3 基于纹理模型的分析方法 | 第17页 |
| 2.2.4 信号处理分析方法 | 第17-18页 |
| 2.3 纹理分析技术的应用 | 第18-20页 |
| 2.3.1 自动缺陷检测 | 第18页 |
| 2.3.2 医学图像分析 | 第18-19页 |
| 2.3.3 文档处理 | 第19页 |
| 2.3.4 遥感图像分析 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 纹理特征提取方法 | 第21-33页 |
| 3.1 图像特征提取特点介绍 | 第21页 |
| 3.2 LBP特征 | 第21-25页 |
| 3.3 CLBP纹理特征 | 第25-26页 |
| 3.4 SB-CLBP纹理特征 | 第26-32页 |
| 3.4.1 SB-CLBP纹理特征的原理 | 第26-28页 |
| 3.4.2 SB-CLBP纹理特征的实验 | 第28-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 支持向量机的介绍和在本文中的应用 | 第33-36页 |
| 4.1 支持向量机的介绍 | 第33-34页 |
| 4.2 LIBSVM库介绍及其在本文中被使用到的主要函数 | 第34-35页 |
| 4.3 本章小结 | 第35-36页 |
| 第五章 基于SB-CLBP特征和SVM的条形码定位 | 第36-49页 |
| 5.1 条形码介绍 | 第36-38页 |
| 5.2 条形码定位方法 | 第38-40页 |
| 5.2.1 硬件定位方法 | 第38-39页 |
| 5.2.2 软件定位方法 | 第39-40页 |
| 5.3 基于SB-CLBP特征和SVM的定位方法 | 第40-47页 |
| 5.3.1 算法流程 | 第40-41页 |
| 5.3.2 图像角度检测和矫正 | 第41-42页 |
| 5.3.3 样本选取和分块 | 第42-43页 |
| 5.3.4 图像块的SB-CLBP特征提取和SVM分类 | 第43-44页 |
| 5.3.5 后处理 | 第44-45页 |
| 5.3.6 对模糊条形码的图像增强 | 第45-47页 |
| 5.3.7 在WWU条码库上的实验结果 | 第47页 |
| 5.4 本章小结 | 第47-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-57页 |
| 附录 | 第57页 |
