| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·论文研究的目的与意义 | 第8页 |
| ·国内外的研究现状 | 第8-11页 |
| ·纹理图像分析的研究现状 | 第8-10页 |
| ·灰度共生矩阵研究现状 | 第10-11页 |
| ·论文的主要工作及安排 | 第11-13页 |
| 第2章 纹理的描述和分析方法 | 第13-26页 |
| ·纹理的定义和描述 | 第13页 |
| ·纹理分析方法 | 第13-17页 |
| ·空间域纹理分析 | 第13-14页 |
| ·基于频率域的纹理分析方法 | 第14-15页 |
| ·空间/频率域联合分析法 | 第15-16页 |
| ·分形纹理分析 | 第16-17页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第17-20页 |
| ·灰度共生矩阵简介 | 第17-19页 |
| ·二次统计特征量 | 第19-20页 |
| ·灰度共生矩阵提取特征的实现方法 | 第20-26页 |
| ·窗口的选取 | 第20-21页 |
| ·参数的选取 | 第21-22页 |
| ·特征值选取 | 第22页 |
| ·灰度共生矩阵提取特征的算法 | 第22-23页 |
| ·实验结果及数据分析 | 第23-26页 |
| 第3章 基于模糊C-均值聚类的纹理图像分割 | 第26-39页 |
| ·模糊C-均值聚类 | 第26-29页 |
| ·模糊C-均值简介 | 第26-27页 |
| ·均值聚类算法描述 | 第27-29页 |
| ·改进的FCM 算法 | 第29-31页 |
| ·FCM 遇到的问题 | 第29-30页 |
| ·FCM 改进算法 | 第30-31页 |
| ·FCM 聚类分割的实现方法 | 第31-33页 |
| ·参数m 选取 | 第31-32页 |
| ·参数C 选取 | 第32页 |
| ·改进的FCM 算法具体步骤 | 第32-33页 |
| ·实验结果与分析 | 第33-39页 |
| ·分类结果 | 第33-38页 |
| ·结果分析 | 第38-39页 |
| 第4章 基于神经网络的纹理图像分割 | 第39-52页 |
| ·径向基概率神经网络 | 第39-47页 |
| ·径向基神经网络简介 | 第40页 |
| ·径向基神经网络实现算法描述 | 第40-46页 |
| ·径向基概率神经网络实现算法描述 | 第46-47页 |
| ·基于神经网络的分割算法的实现 | 第47-48页 |
| ·径向基概率神经网络的创建 | 第47-48页 |
| ·径向基概率神经网络的参数设置 | 第48页 |
| ·实验结果与分析 | 第48-52页 |
| ·分类结果 | 第48-50页 |
| ·结果分析 | 第50-51页 |
| ·模糊C 均值聚类算法和概率径向基神经网络算法的对比 | 第51-52页 |
| 研究总结 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读学位期间公开发表的论文 | 第60-61页 |
| 致谢 | 第61-62页 |
| 详细摘要 | 第62-64页 |