基于LBP的图像纹理特征的提取及应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-19页 |
| ·研究目的及其意义 | 第7-10页 |
| ·机器视觉 | 第7-8页 |
| ·图像特征分类 | 第8-10页 |
| ·纹理特征提取的研究现状 | 第10-11页 |
| ·常用纹理特征描述方法 | 第11-16页 |
| ·小波变换 | 第12-15页 |
| ·灰度共生矩阵 | 第15页 |
| ·马尔科夫随机场 | 第15-16页 |
| ·主要工作和章节安排 | 第16-19页 |
| 第2章 LBP原理及其应用 | 第19-31页 |
| ·LBP概述 | 第19-21页 |
| ·LBP的改进和推广算法 | 第21-25页 |
| ·提高算子获取有用信息的能力 | 第21-22页 |
| ·增强算法的鲁棒性 | 第22-24页 |
| ·邻域点的选取 | 第24页 |
| ·扩展到3-D空间 | 第24-25页 |
| ·与其他算法结合 | 第25页 |
| ·LBP方法在图像纹理分析中的应用 | 第25-30页 |
| ·LBP在图像分类中的应用 | 第25-27页 |
| ·LBP在图像检索中的应用 | 第27-29页 |
| ·人脸识别 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于LBP的刑侦图像场景模糊分类 | 第31-39页 |
| ·刑侦数据的特点 | 第31页 |
| ·刑侦图像模糊分类理论基础 | 第31-33页 |
| ·刑侦图像模糊分类改进算法 | 第33-35页 |
| ·刑侦图像的预处理 | 第33页 |
| ·刑侦图像纹理特征提取 | 第33-34页 |
| ·模糊隶属度的计算 | 第34页 |
| ·刑侦图像的模糊KNN分类 | 第34-35页 |
| ·实验结果及分析 | 第35-37页 |
| ·类别隶属度 | 第35-36页 |
| ·分类识别率 | 第36-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 基于Float-LBP算法的纹理图像检索 | 第39-53页 |
| ·Float-LBP算法 | 第39-40页 |
| ·实验设计 | 第40-45页 |
| ·特征降维 | 第40-43页 |
| ·相似性度量及性能评价标准 | 第43页 |
| ·实验数据 | 第43-44页 |
| ·实验安排 | 第44-45页 |
| ·实验结果与分析 | 第45-50页 |
| ·非降维实验 | 第45-49页 |
| ·降维实验 | 第49-50页 |
| ·本章小结 | 第50-53页 |
| 第5章 结论与展望 | 第53-55页 |
| ·本文总结 | 第53-54页 |
| ·下一步工作总结 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间取得的研究成果 | 第59-61页 |
| 致谢 | 第61-62页 |
