基于SVM的复杂背景条码检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题研究的背景与意义 | 第12-13页 |
| 1.2 条码定位算法的国内外研究现状 | 第13-15页 |
| 1.3 本文的主要工作和难点 | 第15-17页 |
| 1.3.1 本文的主要工作 | 第16页 |
| 1.3.2 本文的主要难点 | 第16-17页 |
| 1.4 本文的结构安排 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 条形码简介与检测技术综述 | 第18-25页 |
| 2.1 一维条形码的简介 | 第18-20页 |
| 2.2 二维条形码的简介 | 第20-22页 |
| 2.3 条码的检测方法 | 第22-24页 |
| 2.3.1 硬件检测方法 | 第22页 |
| 2.3.2 软件检测方法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 条码图像预处理技术及特征提取与分类 | 第25-35页 |
| 3.1 图像预处理技术 | 第25-27页 |
| 3.2 图像特征提取技术 | 第27-31页 |
| 3.2.1 局部二值模式(LBP)特征 | 第28-31页 |
| 3.3 图像特征分类 | 第31-34页 |
| 3.3.1 支持向量机的原理 | 第31-33页 |
| 3.3.2 支持向量机的应用 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于SVM的复杂背景条码检测算法 | 第35-50页 |
| 4.1 系统组成 | 第35-36页 |
| 4.2 图像预处理 | 第36页 |
| 4.3 快速检测方法实现 | 第36-49页 |
| 4.3.1 滑动窗口检测法 | 第37-38页 |
| 4.3.2 候选块预筛选 | 第38-39页 |
| 4.3.3 LBP金字塔特征提取 | 第39-44页 |
| 4.3.4 支持向量机的训练结果及分析 | 第44-47页 |
| 4.3.5 窗口定位与融合 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 实验结果与分析 | 第50-59页 |
| 5.1 开发测试环境 | 第50页 |
| 5.2 样本集选择 | 第50-52页 |
| 5.2.1 训练样本的选择 | 第50-52页 |
| 5.2.2 测试样本的选择 | 第52页 |
| 5.3 实验结果分析 | 第52-58页 |
| 5.3.1 算法的定位效果及分析 | 第52-56页 |
| 5.3.2 算法的定位性能及分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
