| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 图像纹理特征分类的概述 | 第14-18页 |
| 1.2.1 纹理的概念 | 第14-15页 |
| 1.2.2 纹理特征提取的研究现状 | 第15-18页 |
| 1.3 局部二值模式的研究现状 | 第18-19页 |
| 1.4 Contourlet变换的纹理分类研究现状 | 第19页 |
| 1.5 本文的结构安排 | 第19-21页 |
| 第二章 纹理分类的相关工作 | 第21-32页 |
| 2.1 引言 | 第21页 |
| 2.2 局部二值模式（LBP） | 第21-23页 |
| 2.3 LBP的相关变种 | 第23-29页 |
| 2.3.1 显性局部二值模式（DLBP） | 第24-25页 |
| 2.3.2 完备局部二值模式（CLBP） | 第25-27页 |
| 2.3.3 分类连贯局部二值模式（SCLBP） | 第27-29页 |
| 2.4 局部二值模式的典型应用 | 第29-31页 |
| 2.4.1 纹理分类 | 第29页 |
| 2.4.2 人脸识别 | 第29-31页 |
| 2.4.3 图像检索 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于BRINT的尺度不变纹理分类 | 第32-43页 |
| 3.1 引言 | 第32-33页 |
| 3.2 二值旋转不变与抗噪 | 第33-35页 |
| 3.2.1 BRINT_S描述子 | 第33-34页 |
| 3.2.2 BRINT_M描述子 | 第34-35页 |
| 3.2.3 BRINT_C描述子 | 第35页 |
| 3.3 尺度选择的BRINT特征提取 | 第35-39页 |
| 3.3.1 特征抽取方法 | 第35-38页 |
| 3.3.2 特征匹配方法 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于Contourlet变换的纸币纹理分类 | 第43-56页 |
| 4.1 引言 | 第43-44页 |
| 4.2 Contourlet变换的原理 | 第44-48页 |
| 4.2.1 金字塔框架 | 第44-45页 |
| 4.2.2 迭代方向滤波器组(DFB) | 第45-46页 |
| 4.2.3 多尺度、多方向分解 | 第46-48页 |
| 4.3 基于Contourlet变换的纸币纹理特征提取与识别 | 第48-53页 |
| 4.3.1 特征向量构成 | 第49-51页 |
| 4.3.2 支持向量机分类器 | 第51-52页 |
| 4.3.3 最近邻分类器 | 第52-53页 |
| 4.4 实验结果与分析 | 第53-55页 |
| 4.4.1 与常用的特征提取算法进行比较 | 第53-54页 |
| 4.4.2 轮廓波分解层数与识别率的关系 | 第54-55页 |
| 4.4.3 讨论结果 | 第55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表论文 | 第63-65页 |
| 致谢 | 第65页 |
