| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题来源及研究背景和意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 研究背景和意义 | 第8-9页 |
| 1.2 研究现状的国内外综述 | 第9-10页 |
| 1.3 本文工作任务 | 第10-11页 |
| 1.4 本文的内容安排 | 第11-13页 |
| 第二章 图像稀疏表示方法研究 | 第13-18页 |
| 2.1 稀疏表示理论综述 | 第13-14页 |
| 2.2 字典学习探究 | 第14-15页 |
| 2.3 L1范数和稀疏性 | 第15-16页 |
| 2.4 稀疏表示的应用 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第三章 木材图像选取和预处理 | 第18-23页 |
| 3.1 木材图像的选取 | 第18页 |
| 3.2 木材图像去噪处理 | 第18-20页 |
| 3.2.1 中值滤波算法 | 第18-19页 |
| 3.2.2 小波变换算法 | 第19-20页 |
| 3.3 木材图像增强 | 第20-22页 |
| 3.3.1 直方图均衡化 | 第20-21页 |
| 3.3.2 基于HSV空间的彩色图像增强方法 | 第21-22页 |
| 3.4 本章小结 | 第22-23页 |
| 第四章 基于SURF算法和快速L1最小化算法的木材图像缺陷识别 | 第23-33页 |
| 4.1 SIFT算子 | 第23-25页 |
| 4.1.1 SIFT算法实现步骤 | 第23-24页 |
| 4.1.2 SIFT算法的扩展和改进 | 第24-25页 |
| 4.2 基于SURF和快速L1最小化算法的木材图像缺陷识别算法 | 第25页 |
| 4.3 实验结果及分析 | 第25-32页 |
| 4.3.1 实验一 | 第25-26页 |
| 4.3.2 实验二 | 第26-29页 |
| 4.3.3 实验三 | 第29-32页 |
| 4.4 本章小结 | 第32-33页 |
| 第五章 基于LBP算子和快速L1算法的木材图像缺陷识别 | 第33-41页 |
| 5.1 LBP算子 | 第33-35页 |
| 5.1.1 LBP算子综述 | 第33-34页 |
| 5.1.2 LBP算子的应用 | 第34-35页 |
| 5.1.3 LBP算子的特点 | 第35页 |
| 5.2 基于LBP算子和快速L1最小化算法的木材图像缺陷识别算法 | 第35-36页 |
| 5.3 实验结果及分析 | 第36-40页 |
| 5.3.1 实验一 | 第36-38页 |
| 5.3.2 实验二 | 第38-40页 |
| 5.4 本章小结 | 第40-41页 |
| 第六章 总结和展望 | 第41-42页 |
| 攻读学位期间发表的学术论文 | 第42-43页 |
| 参考文献 | 第43-47页 |
