| 摘要 | 第6-8页 |
| abstract | 第8-10页 |
| 第1章 绪论 | 第14-29页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 图像特征分类 | 第16-18页 |
| 1.3 图像局部纹理特征提取与识别研究现状 | 第18-25页 |
| 1.3.1 基于统计的纹理方法 | 第20-21页 |
| 1.3.2 基于数学变换的纹理方法 | 第21-23页 |
| 1.3.3 基于结构的纹理方法 | 第23页 |
| 1.3.4 基于模型的纹理方法 | 第23-25页 |
| 1.4 论文主要研究目标和研究内容 | 第25-29页 |
| 1.4.1 研究目标 | 第25-26页 |
| 1.4.2 研究内容 | 第26-29页 |
| 第2章 噪声抑制的局部二元模式编码算法 | 第29-54页 |
| 2.1 局部二元模式编码及问题分析 | 第30-39页 |
| 2.1.1 基本局部二元模式编码 | 第30-33页 |
| 2.1.2 统一模式编码 | 第33-36页 |
| 2.1.3 旋转不变模式编码 | 第36-38页 |
| 2.1.4 问题分析 | 第38-39页 |
| 2.2 其他改进的噪声抑制编码方法 | 第39-42页 |
| 2.2.1 局部三元模式编码 | 第40-41页 |
| 2.2.2 噪声抑制的NRLBP | 第41-42页 |
| 2.3 基于测量误差的噪声抑制编码算法 | 第42-49页 |
| 2.3.1 基于测量误差的图像噪声去除方法 | 第42-47页 |
| 2.3.2 结合测量误差的局部二元模式编码方法 | 第47-49页 |
| 2.4 实验及结果分析 | 第49-52页 |
| 2.4.1 实验方法与参数设计 | 第50-51页 |
| 2.4.2 实验结果及分析 | 第51-52页 |
| 2.5 本章小结 | 第52-54页 |
| 第3章 基于高斯分布的随机采样局部二元模式 | 第54-84页 |
| 3.1 HEP以及改进的局部二元模式 | 第54-62页 |
| 3.1.1 完备的局部二元模式特征 | 第57-59页 |
| 3.1.2 主导局部二元模式特征 | 第59-60页 |
| 3.1.3 基于矩的局部二元模式 | 第60-61页 |
| 3.1.4 其他改进的局部二元模式 | 第61-62页 |
| 3.2 基于高斯分布的随机采样局部二元模式编码 | 第62-69页 |
| 3.2.1 图像像素灰度值分布关系 | 第63-64页 |
| 3.2.2 局部邻域采样方法分析 | 第64-67页 |
| 3.2.3 RSLBP实现方法 | 第67-69页 |
| 3.2.4 RSLBP编码的噪声抑制方法 | 第69页 |
| 3.3 结合RSLBP和LBP编码的局部纹理特征 | 第69-72页 |
| 3.3.1 RSLBP和LBP描述纹理特点分析 | 第70-71页 |
| 3.3.2 实现方法 | 第71-72页 |
| 3.4 实验及结果分析 | 第72-83页 |
| 3.4.1 实验方法与参数设计 | 第72-73页 |
| 3.4.2 在AR人脸库上的实验结果及分析 | 第73-77页 |
| 3.4.3 在Outex-13库上的实验结果及分析 | 第77-81页 |
| 3.4.4 在铁路扣件图像上的实验结果及分析 | 第81-83页 |
| 3.5 本章小结 | 第83-84页 |
| 第4章 结合差分大小和差分幅值的特征点描述算子 | 第84-105页 |
| 4.1 常用图像局部特征点描述算子 | 第85-91页 |
| 4.1.1 SIFT算子 | 第86-87页 |
| 4.1.2 BRIEF算子 | 第87-88页 |
| 4.1.3 BRISK算子 | 第88-89页 |
| 4.1.4 FREAK算子 | 第89-91页 |
| 4.2 融合差分大小和差分幅值的特征点描述算子 | 第91-98页 |
| 4.2.1 描述算子理论分析 | 第91-93页 |
| 4.2.2 实现方法 | 第93-95页 |
| 4.2.3 噪声抑制方法 | 第95-96页 |
| 4.2.4 旋转不变性 | 第96-98页 |
| 4.3 实验及结果分析 | 第98-103页 |
| 4.3.1 实验方法及参数设置 | 第98-99页 |
| 4.3.2 实验结果 | 第99-103页 |
| 4.4 本章小结 | 第103-105页 |
| 第5章 基于主题模型的扣件状态检测 | 第105-116页 |
| 5.1 扣件图像分析 | 第105-106页 |
| 5.2 隐含狄利克雷分布(LDA) | 第106-109页 |
| 5.2.1 LDA算法简介 | 第106-108页 |
| 5.2.2 LDA模型生成方法 | 第108-109页 |
| 5.3 基于LDA的扣件RSLBP特征主题表达 | 第109-112页 |
| 5.3.1 扣件图像视觉单词表建立 | 第110-111页 |
| 5.3.2 铁路扣件图像LDA模型生成 | 第111页 |
| 5.3.3 扣件图像分类 | 第111-112页 |
| 5.4 实验及结果分析 | 第112-114页 |
| 5.4.1 实验方法与参数设计 | 第112-113页 |
| 5.4.2 实验结果分析 | 第113-114页 |
| 5.5 本章小结 | 第114-116页 |
| 结论与展望 | 第116-119页 |
| 致谢 | 第119-120页 |
| 参考文献 | 第120-132页 |
| 攻读博士学位期间发表的论文及科研成果 | 第132-133页 |