首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

稀疏方法在木材图像识别中的应用研究

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

论文共47页,点击 下载论文
上一篇:菲涅尔高倍聚光光伏光热系统研究
下一篇:学校委托管理成效维持的个案研究--以上海市J小学为例