| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.1.1 纹理特征 | 第9页 |
| 1.1.2 灰度图像着色 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 纹理分析研究现状 | 第10页 |
| 1.2.2 灰度图像着色研究现状 | 第10-12页 |
| 1.3 研究内容及成果 | 第12页 |
| 1.3.1 论文的主要研究内容 | 第12页 |
| 1.3.2 论文研究成果 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 纹理特征概述 | 第14-19页 |
| 2.1 纹理的定义 | 第14页 |
| 2.2 局部纹理特征的表示 | 第14-15页 |
| 2.3 基于纹理基元的纹理特征表示 | 第15-17页 |
| 2.3.1 向量量化和纹理基元 | 第15-16页 |
| 2.3.2 基于K-Means的向量量化 | 第16-17页 |
| 2.4 数据驱动的纹理表示 | 第17页 |
| 2.5 纹理特征的应用 | 第17-18页 |
| 2.6 本章小结 | 第18-19页 |
| 第3章 Gabor特征和Texton特征的提取 | 第19-26页 |
| 3.1 Gabor特征 | 第19-21页 |
| 3.2 Texton特征 | 第21-24页 |
| 3.2.1 基于稀疏编码的Texton词典 | 第22-23页 |
| 3.2.2 基于K-Means的Texton词典 | 第23-24页 |
| 3.3 本章小结 | 第24-26页 |
| 第4章 纹理特征在灰度图像着色中的应用 | 第26-44页 |
| 4.1 灰度图像着色概述 | 第26页 |
| 4.2 图像预处理 | 第26-27页 |
| 4.2.1 Lab颜色空间 | 第26-27页 |
| 4.2.2 超像素分割 | 第27页 |
| 4.3 特征提取 | 第27-30页 |
| 4.4 图像匹配及着色 | 第30-34页 |
| 4.4.1 基于灰度均值和方差特征的匹配及着色 | 第31页 |
| 4.4.2 基于灰度特征与Gabor特征的匹配及着色 | 第31-33页 |
| 4.4.3 基于灰度特征与Texton特征的匹配及着色 | 第33-34页 |
| 4.5 基于马尔科夫随机场的图像后处理 | 第34-41页 |
| 4.5.1 马尔科夫随机场模型概述 | 第34-38页 |
| 4.5.2 对着色结果进行后处理 | 第38-41页 |
| 4.6 实验结果分析 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第49-50页 |
| 致谢 | 第50页 |