| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 浓雾天气预报方式 | 第9页 |
| 1.2.2 纹理特征提取的发展 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 论文架构与内容安排 | 第11-12页 |
| 第二章 LBP算法简介 | 第12-19页 |
| 2.1 引言 | 第12页 |
| 2.2 LBP算子简介 | 第12-16页 |
| 2.2.1 原始LBP算子 | 第12-13页 |
| 2.2.2 圆形LBP算子 | 第13-14页 |
| 2.2.3 旋转不变的LBP算子 | 第14-15页 |
| 2.2.4 LBP的相似性度量 | 第15-16页 |
| 2.3 LBP的应用 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 改进后的ILBP算法与Gabor方向特征滤波器对比 | 第19-31页 |
| 3.1 引言 | 第19页 |
| 3.2 改进后的ILBP算法 | 第19-21页 |
| 3.3 Gabor方向特征滤波器 | 第21页 |
| 3.4 特征提取效果对比 | 第21-23页 |
| 3.5 实验数据来源 | 第23-24页 |
| 3.6 实验过程 | 第24-28页 |
| 3.6.1 图像预处理 | 第25页 |
| 3.6.2 纹理特征提取 | 第25-26页 |
| 3.6.3 度量与匹配 | 第26-28页 |
| 3.7 评价指标 | 第28页 |
| 3.8 实验比较与分析 | 第28-29页 |
| 3.9 本章小结 | 第29-31页 |
| 第四章 基于图像特征向量统计的浓雾天气智能判别模型 | 第31-39页 |
| 4.1 引言 | 第31-32页 |
| 4.2 相似性度量函数 | 第32-33页 |
| 4.2.1 欧氏距离 | 第32页 |
| 4.2.2 基于欧式距离定义相似性度量函数 | 第32-33页 |
| 4.3 实验过程 | 第33-36页 |
| 4.3.1 数据来源 | 第33-34页 |
| 4.3.2 图像特征向量的计算 | 第34页 |
| 4.3.3 度量与匹配 | 第34-36页 |
| 4.4 实验结果与分析 | 第36-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 总结与展望 | 第39-41页 |
| 5.1 总结 | 第39-40页 |
| 5.2 展望 | 第40-41页 |
| 参考文献 | 第41-46页 |
| 致谢 | 第46-47页 |
| 作者简介 | 第47页 |