| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·纹理概述及应用 | 第8页 |
| ·纹理的统计分析方法 | 第8-12页 |
| ·纹理的结构分析方法 | 第12页 |
| ·纹理的模型分析方法 | 第12-13页 |
| ·木材纹理存在的问题和困难 | 第13-14页 |
| ·问题 | 第13-14页 |
| ·难点 | 第14页 |
| ·本课题研究内容 | 第14-15页 |
| 第2章 木材纹理图像的分析与预处理 | 第15-24页 |
| ·引言 | 第15页 |
| ·常见木材图像格式 | 第15-16页 |
| ·灰度变换 | 第16-18页 |
| ·图像去噪 | 第18-19页 |
| ·直方图修正 | 第19-20页 |
| ·图像锐化 | 第20-21页 |
| ·本章实验结果 | 第21-24页 |
| 第3章 一种基于灰度行程与Guass-Markov随机场的木材纹理分析方法 | 第24-35页 |
| ·引言 | 第24页 |
| ·灰度行程长分析法 | 第24-28页 |
| ·灰度行程长统计参数 | 第24-25页 |
| ·木材纹理灰度行程长参数提取 | 第25-28页 |
| ·马尔可夫随机场概述 | 第28-35页 |
| ·Guass-Markov随机场模型的建立 | 第28-30页 |
| ·Guass-Markov随机场模型及其参数估计 | 第30-32页 |
| ·Guass-Markov随机场参数值 | 第32-35页 |
| 第4章 木材表面纹理参数体系的建立及其分类识别 | 第35-40页 |
| ·基于人工神经网络设计的木材表面纹理特征模式识别 | 第35-36页 |
| ·基于最小错误率决策的ART神经网络分类器设计 | 第36-37页 |
| ·最小错误率贝叶斯决策概述 | 第36页 |
| ·ART网络分类器概述 | 第36页 |
| ·最小错误率ART网运行原理 | 第36-37页 |
| ·基于最小错误率检测ART分类器的算法 | 第37-38页 |
| ·实验与结果分析 | 第38-40页 |
| 第5章 总结与展望 | 第40-41页 |
| ·总结 | 第40页 |
| ·展望 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-44页 |