| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要内容及章节安排 | 第11-13页 |
| 第二章 预备知识 | 第13-28页 |
| 2.1 纹理基本概念 | 第13页 |
| 2.2 纹理特征提取方法 | 第13-21页 |
| 2.2.1 LBP | 第13-17页 |
| 2.2.2 CLBP | 第17-19页 |
| 2.2.3 PCA | 第19-21页 |
| 2.3 支持向量机 | 第21-26页 |
| 2.3.1 线性可分支持向量机 | 第21-24页 |
| 2.3.2 线性支持向量机 | 第24-25页 |
| 2.3.3 非线性支持向量机 | 第25-26页 |
| 2.4 交叉验证 | 第26-28页 |
| 第三章 基于PCANet的算法 | 第28-35页 |
| 3.1 预处理 | 第28页 |
| 3.2 特征提取 | 第28-32页 |
| 3.2.1 第一层主成分分析 | 第28-30页 |
| 3.2.2 第二层主成分分析 | 第30-31页 |
| 3.2.3 二进制哈希 | 第31-32页 |
| 3.2.4 分块直方图 | 第32页 |
| 3.3 分类 | 第32页 |
| 3.4 实验结果 | 第32-35页 |
| 第四章 基于多尺度PCA滤波和多尺度CLBP特征提取的算法 | 第35-41页 |
| 4.1 多尺度PCA滤波 | 第36-37页 |
| 4.2 多尺度CLBP特征提取 | 第37页 |
| 4.3 分类 | 第37-38页 |
| 4.4 实验结果 | 第38-41页 |
| 第五章 总结和展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 作者在攻读硕士学位期间已完成的论文 | 第45-46页 |
| 致谢 | 第46页 |