摘要：如今，计算机技术飞速的发展，图像资源呈现出了爆炸性地增长，因而人们对图像识别的需要越发的强烈。模式识别指的是将待分类的模式用计算机技术自动的从而正确地分配到各个模式类的技术，这项技术的发展也直接推进了计算机的应用，与此同时也带动了人工智能的发展。

Ojala研究提出的局部二值模式是近年来较为热门的研究方向，其优势是它计算简单并且具有平移不变性和灰度单调不变性是进行上述条件的图像的纹理特征提取的很有效的方法。

由于LBP自身计算量大、速度较慢，计算精度不高，所以本文将传统的LBP算法进行了改进，减少噪声对识别过程中的影响。本论文通过实验验证出了LBP在光照不变性方面具有着明显的优势，结合局部二值模式算法本身的优点，将它用于宣纸图像的分析，取得了很好的效果。

关键词:局部二值模式  纹理分类  多分辨率  光照不变  分块

目录

摘要

Abstract

第一章 绪论-1

1.1课题研究背景及意义-1

1.2课题的国内外研究现状-1

1.3主要的研究工作-2

1.4章节内容安排-2

第二章 基于LBP的宣纸纹理识别系统对社会的影响-4

第三章 系统开发工具与关键技术介绍-5

3.1开发工具-5

3.2 关键技术简介-8

3.3 Python和C++语言-9

第四章 基于LBP的图像特征提取方法的研究-10

4.1图像特征提取-10

4.1.1图像特征-10

4.1.2纹理特征-10

4.2纹理描述方法-10

4.3 Gabor变换和基于LBP的特征提取方法的比较-12

4.3.1 Gabor变换法提取特征纹理-12

4.3.2 LBP提取纹理特征-13

4.3.3 两种纹理特征提取方法在进行图像分类时的比较-16

4.4 LBP算法的实现步骤-16

4.5本章小结-17

第五章 对局部二值模式特征提取方法改进-18

5.1分块对基于局部二值模式算法的影响-18

5.1.1 分块提取LBP纹理特征-18

5.1.2 实验结果分析-19

5.2 LBP结合BEMD的多尺度特征提取-22

5.2.1 LBP结合BEMD提取纹理特征-22

5.2.2 实验结果分析-22

5.3本章小结-23

第六章 实验研究-24

6.1 实验介绍-24

6.2 实验核心代码展示-25

第七章 总结与展望-28

7.1本文的主要工作和创新点-28

7.2进一步的工作和展望-28

参考文献-30

致谢-31