| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 文章组织结构 | 第12-13页 |
| 第二章 局部特征描述子综述 | 第13-20页 |
| 2.1 图像局部特征算法综述 | 第13-14页 |
| 2.2 几种典型局部特征描述子 | 第14-18页 |
| 2.2.1 稀疏型描述子SIFT的基本原理 | 第14-16页 |
| 2.2.2 密集型描述子LBP的基本原理 | 第16-18页 |
| 2.3 局部特征描述子特点分析 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于LBP算子的中值滤波检测算法设计 | 第20-38页 |
| 3.1 中值滤波简介 | 第20-27页 |
| 3.1.1 中值滤波基本原理 | 第20-21页 |
| 3.1.2 两种典型的中值滤波检测算法介绍 | 第21-25页 |
| 3.1.3 中值滤波前后图像对比 | 第25-27页 |
| 3.2 算法基本流程图 | 第27-28页 |
| 3.3 利用C-LBP定位特征提取区域 | 第28-30页 |
| 3.3.1 CS-LBP的基本原理 | 第28-29页 |
| 3.3.2 提出C-LBP并进行纹理区提取 | 第29-30页 |
| 3.4 中值滤波检测算子E-LBP和N-LBP的提出 | 第30-34页 |
| 3.4.1 E-LBP算子设计流程 | 第30-32页 |
| 3.4.2 N-LBP算子设计流程 | 第32-34页 |
| 3.5 中值滤波形状检测算子S-LBP的提出 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 实验结果及分析 | 第38-45页 |
| 4.1 实验准备 | 第38-40页 |
| 4.1.1 支持向量机（SVM）简介 | 第38-39页 |
| 4.1.2 图像库简介及训练测试集的生成 | 第39-40页 |
| 4.2 实验及结果分析 | 第40-44页 |
| 4.2.1 E-LBP和N-LBP的检测性能分析 | 第40-41页 |
| 4.2.2 与MFF和SPAM特征的对比实验 | 第41-43页 |
| 4.2.3 S-LBP特征性能分析 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 总结和展望 | 第45-47页 |
| 5.1 本文工作总结 | 第45-46页 |
| 5.2 未来研究展望 | 第46-47页 |
| 参考文献 | 第47-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55-56页 |