| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 课题研究的目的和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-13页 |
| 1.4 本文内容及章节安排 | 第13-15页 |
| 2 基于非下采样 Contourlet 变换的纹理特征提取 | 第15-30页 |
| 2.1 纹理概述 | 第15-16页 |
| 2.2 纹理特征提取方法 | 第16-21页 |
| 2.2.1 统计方法 | 第16-19页 |
| 2.2.2 结构方法 | 第19页 |
| 2.2.3 模型方法 | 第19-20页 |
| 2.2.4 信号处理方法 | 第20-21页 |
| 2.3 多尺度分析 | 第21-24页 |
| 2.3.1 Contourlet 变换研究现状 | 第21-22页 |
| 2.3.2 Contourlet 变换原理 | 第22-24页 |
| 2.4 基于非下采样 Contourlet 变换的纹理特征提取 | 第24-29页 |
| 2.4.1 非下采样 Contourlet 变换分解后低频子带特征提取 | 第25-27页 |
| 2.4.2 非下采样 Contourlet 变换分解后高频子带特征提取 | 第27-29页 |
| 2.4.3 仿真实验 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于支持向量机的纹理图像识别 | 第30-43页 |
| 3.1 支持向量机分类 | 第31-37页 |
| 3.1.1 最优分类面与广义最优分类面 | 第31-33页 |
| 3.1.2 核函数 | 第33-35页 |
| 3.1.3 多分类问题支持向量机 | 第35-37页 |
| 3.2 支持向量机参数选择 | 第37-39页 |
| 3.2.1 核函数的选择 | 第37-38页 |
| 3.2.2 核参数的选择 | 第38-39页 |
| 3.2.3 训练样本的选择 | 第39页 |
| 3.3 libSVM 仿真平台 | 第39-40页 |
| 3.4 基于支持向量机的 Brodatz 图像库纹理识别 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于 NSCT 和 SVM 的医学图像识别 | 第43-50页 |
| 4.1 医学图像纹理特征提取的发展及现状 | 第43-44页 |
| 4.2 医学图像的纹理特征提取 | 第44-48页 |
| 4.3 医学图像的纹理特征识别 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第57-58页 |
