摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究背景与意义 | 第11-12页 |
1.2 纹理分割研究现状 | 第12-14页 |
1.2.1 纹理性质 | 第12-13页 |
1.2.2 纹理分割 | 第13-14页 |
1.3 本文的主要贡献与创新 | 第14-15页 |
1.4 本文的结构安排 | 第15-16页 |
第二章 纹理分割算法 | 第16-30页 |
2.1 基于统计的纹理分割 | 第16-24页 |
2.1.1 灰度直方图分析法 | 第16-18页 |
2.1.2 灰度共生矩阵 | 第18-23页 |
2.1.3 灰度级行程长度 | 第23页 |
2.1.4 空间自相关函数法 | 第23-24页 |
2.2 基于结构的纹理分割 | 第24-27页 |
2.3 基于模型的纹理分割 | 第27-29页 |
2.4 基于频谱的纹理分割 | 第29页 |
2.5 本章小结 | 第29-30页 |
第三章 GABOR滤波参数及其选取 | 第30-47页 |
3.1 Gabor滤波器 | 第30-32页 |
3.2 Gabor滤波器参数 | 第32-39页 |
3.2.1 带宽 | 第32-37页 |
3.2.2 方向参数与波长参数 | 第37-38页 |
3.2.3 椭圆长宽比 | 第38-39页 |
3.3 Gabor滤波参数选取 | 第39-45页 |
3.4 Gabor特征提取 | 第45-46页 |
3.5 本章小结 | 第46-47页 |
第四章 基于GABOR的纹理分割及其改进 | 第47-75页 |
4.1 纹理分割框架及其中间环节的处理技术 | 第47-65页 |
4.1.1 特征处理 | 第47-53页 |
4.1.1.1 特征预处理 | 第48-49页 |
4.1.1.2 特征滤波 | 第49-53页 |
4.1.2 特征聚类 | 第53-65页 |
4.1.2.1 不同特征聚类对比与分析 | 第53-59页 |
4.1.2.2 K-means聚类 | 第59-60页 |
4.1.2.3 K-means聚类两个关键步骤研究与分析 | 第60-65页 |
4.2 基于Gabor滤波的纹理分割 | 第65-69页 |
4.2.1 针对不同最大频率的实验 | 第65-66页 |
4.2.2 针对频率个数的实验 | 第66-67页 |
4.2.3 针对滤波种类的实验 | 第67-68页 |
4.2.4 针对K-means距离定义的实验 | 第68-69页 |
4.3 基于Gabor滤波的纹理分割改进算法 | 第69-73页 |
4.3.1 特征融合 | 第69-70页 |
4.3.1.1 位置特征 | 第70页 |
4.3.2 改进算法的实验结果 | 第70-73页 |
4.3.2.1 针对特征融合的实验 | 第70-71页 |
4.3.2.2 作用在其他不同多纹理图像上的实验 | 第71-72页 |
4.3.2.3 两种融合算法的比较 | 第72-73页 |
4.4 实验总结 | 第73页 |
4.5 本章小结 | 第73-75页 |
第五章 基于GABOR滤波的纹理分割软件系统 | 第75-90页 |
5.1 软件系统需求及概述 | 第75-76页 |
5.2 总体结构方案设计 | 第76-79页 |
5.2.1 数据库设计 | 第77-78页 |
5.2.2 数据传递 | 第78-79页 |
5.2.3 菜单项设计 | 第79页 |
5.3 界面与功能实现 | 第79-89页 |
5.3.1 登录界面 | 第79-81页 |
5.3.2 主窗口 | 第81-82页 |
5.3.3 菜单 | 第82-89页 |
5.3.3.1 文件 | 第82-83页 |
5.3.3.2 融合 | 第83-84页 |
5.3.3.3 分析 | 第84-86页 |
5.3.3.4 聚类 | 第86-87页 |
5.3.3.5 扩展 | 第87-88页 |
5.3.3.6 日志 | 第88页 |
5.3.3.7 查看 | 第88页 |
5.3.3.8 帮助 | 第88-89页 |
5.4 本章小结 | 第89-90页 |
第六章 总结与展望 | 第90-91页 |
6.1 全文总结 | 第90页 |
6.2 后续工作展望 | 第90-91页 |
致谢 | 第91-92页 |
参考文献 | 第92-96页 |
攻读硕士学位期间取得的成果 | 第96页 |