局部邊緣模式及其應(yīng)用

目錄
第1章 基于完整局部二值模式旋轉(zhuǎn)不變量和Zernike矩的相似紋理分類 1
1.1 研究背景 1
1.2 原始LBP紋理模型 3
1.2.1 基本LBP紋理模型 3
1.2.2 均勻一致性的LBP 4
1.3 完整LBP和Zernike矩模型 6
1.3.1 完整的旋轉(zhuǎn)不變LBP模型 6
1.3.2 旋轉(zhuǎn)不變Zernike矩模型 9
1.3.3 融合特征的構(gòu)建和修正 10
1.3.4 分類器和多尺度融合思想 11
1.4 實(shí)驗(yàn)結(jié)果與分析 11
1.4.1 數(shù)據(jù)庫 11
1.4.2 均勻一致性LBP模式的可行性驗(yàn)證 12
1.4.3 CUReT數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果 13
1.4.4 Outex數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果 15
1.4.5 KTH-TIPS數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果 17
1.5 本章小結(jié) 19
參考文獻(xiàn) 19
第2章 基于可變局部邊緣模式的相似紋理分類 23
2.1 研究背景 23
2.2 VLEP描述子 26
2.2.1 基本VLEP描述子 26
2.2.2 擴(kuò)展VLEP描述子 28
2.3 基于VLEP的紋理分類方法 31
2.3.1 邊緣或非邊緣特征提取 31
2.3.2 邊緣或非邊緣特征細(xì)分 32
2.3.3 融合思想 33
2.3.4 算法流程 34
2.4 實(shí)驗(yàn)結(jié)果與分析 34
2.4.1 數(shù)據(jù)庫 35
2.4.2 CUReT數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果 36
2.4.3 Outex數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果 37
2.5 本章小結(jié) 39
參考文獻(xiàn) 39
第3章 基于可變局部邊緣模式的邊緣檢測 43
3.1 研究背景 43
3.2 邊緣檢測方法 43
3.2.1 高斯濾波 44
3.2.2 邊緣檢測 44
3.2.3 加權(quán)融合思想 45
3.2.4 二值化處理 46
3.2.5 算法流程 46
3.3 實(shí)驗(yàn)結(jié)果與分析 47
3.4 本章小結(jié) 54
參考文獻(xiàn) 54
第4章 基于可變局部邊緣模式的普通綠色植物物種識別 57
4.1 基于小波變換與VLEP的綠色植物物種識別 57
4.1.1 研究背景 57
4.1.2 研究方法 58
4.1.3 實(shí)驗(yàn)結(jié)果與分析 62
4.2 基于主導(dǎo)學(xué)習(xí)框架與VLEP的綠色植物物種識別 66
4.2.1 研究背景 66
4.2.2 研究方法 67
4.2.3 實(shí)驗(yàn)結(jié)果與分析 70
4.3 本章小結(jié) 72
參考文獻(xiàn) 73
第5章 基于完備局部二值模式與視覺顯著性檢測的綠色植物物種識別 76
5.1 研究背景 76
5.2 研究方法 77
5.2.1 視覺顯著性檢測 77
5.2.2 完備二值模式算法 77
5.2.3 HOG特征提取 78
5.3 實(shí)驗(yàn)結(jié)果與分析 79
5.3.1 綠色植物數(shù)據(jù)庫 79
5.3.2 北京工商大學(xué)綠色植物數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果 80
5.3.3 單葉片綠色植物數(shù)據(jù)庫實(shí)驗(yàn)結(jié)果 81
5.4 本章小結(jié) 81
參考文獻(xiàn) 82
第6章 基于方形局部邊緣模式的綠色植物物種識別 84
6.1 研究背景 84
6.2 研究方法 85
6.2.1 局部邊緣模式 85
6.2.2 邊緣特征提取 86
6.2.3 多尺度思想 87
6.2.4 閾值分析 88
6.2.5 *小距離分類器 89
6.2.6 算法流程 90
6.3 實(shí)驗(yàn)結(jié)果與分析 90
6.3.1 綠色植物物種數(shù)據(jù)庫 91
6.3.2 局部邊緣特征 91
6.3.3 閾值分析實(shí)例驗(yàn)證 99
6.3.4 實(shí)驗(yàn)結(jié)果 100
6.4 本章小結(jié) 101
參考文獻(xiàn) 102