| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-18页 |
| ·本课题研究的目的和意义 | 第9-10页 |
| ·国内外研究现状 | 第10页 |
| ·数字图像处理及其在木材科学领域的应用 | 第10-13页 |
| ·数字图像处理概述 | 第10-11页 |
| ·数字图像处理主要内容及其在木材科学领域的应用 | 第11-13页 |
| ·本课题的研究内容与路线 | 第13-17页 |
| ·本章小结 | 第17-18页 |
| 2 纹理分析 | 第18-41页 |
| ·纹理概述 | 第18-23页 |
| ·纹理的定义 | 第18-19页 |
| ·纹理的研究方向 | 第19-21页 |
| ·纹理的应用领域 | 第21-23页 |
| ·纹理分析的方法 | 第23-36页 |
| ·纹理的数学描述 | 第23-24页 |
| ·统计分析法 | 第24-28页 |
| ·结构分析法 | 第28-29页 |
| ·模型分析法 | 第29-32页 |
| ·基于频谱分析的方法 | 第32-36页 |
| ·木材图像的纹理特征 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 3 模式识别 | 第41-72页 |
| ·模式识别概述 | 第41-44页 |
| ·模式和模式识别的概念 | 第41-42页 |
| ·模式识别系统 | 第42-43页 |
| ·模式识别方法 | 第43-44页 |
| ·最近邻法 | 第44-46页 |
| ·最近邻法决策规则 | 第45页 |
| ·最近邻法的误判概率及其上下界 | 第45-46页 |
| ·模拟退火法 | 第46-49页 |
| ·模拟退火法概述 | 第46-47页 |
| ·传统的模拟退火算法 | 第47-48页 |
| ·有记忆的模拟退火法 | 第48-49页 |
| ·基于模拟退火算法与最近邻分类器识别率的特征选择方法(S-NFS) | 第49-55页 |
| ·特征选择 | 第49页 |
| ·特征选择算法的结构 | 第49-51页 |
| ·特征选择方法的选取原则 | 第51-52页 |
| ·S-NFS算法的设计与分析 | 第52-54页 |
| ·S-NFS算法的伪代码 | 第54-55页 |
| ·BP神经网络分类器 | 第55-70页 |
| ·人工神经网络概述 | 第55-56页 |
| ·人工神经网络模型 | 第56-58页 |
| ·人工神经网络的分类及学习 | 第58-59页 |
| ·多层感知器 | 第59-60页 |
| ·BP学习算法 | 第60-62页 |
| ·改进的BP学习算法 | 第62-64页 |
| ·BP神经网络分类器的设计 | 第64-68页 |
| ·BP神经网络分类器的集成 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 4 木材表面纹理灰度共生矩阵特征参数的获取 | 第72-94页 |
| ·灰度共生矩阵 | 第72-78页 |
| ·灰度共生矩阵的定义 | 第72-73页 |
| ·灰度共生矩阵的特点 | 第73-75页 |
| ·灰度共生矩阵的特征参数 | 第75-78页 |
| ·构造因子对木材表面纹理特征参数的影响 | 第78-88页 |
| ·生成步长d对特征参数的影响 | 第78-81页 |
| ·图像灰度级g对特征参数的影响 | 第81-85页 |
| ·生成方向θ对特征参数的影响 | 第85-88页 |
| ·木材表面纹理灰度共生矩阵特征参数的获取 | 第88-93页 |
| ·本章小结 | 第93-94页 |
| 5 木材表面纹理参数体系的建立及其分类识别 | 第94-111页 |
| ·基于参数间相关性分析木材表面纹理的分类识别 | 第94-99页 |
| ·相关性概述 | 第94-95页 |
| ·基于参数间相关性分析木材表面纹理参数体系的建立 | 第95-96页 |
| ·在参数体系Ⅰ下木材表面纹理的分类与识别 | 第96-99页 |
| ·基于主分量分析(PCA)木材表面纹理的分类与识别 | 第99-106页 |
| ·主分量分析理论 | 第100-101页 |
| ·主分量分析的一般步骤 | 第101-103页 |
| ·基于PCA木材表面纹理参数体系的建立 | 第103页 |
| ·在参数体系Ⅱ下木材表面纹理的分类与识别 | 第103-106页 |
| ·基于S-NFS算法木材表面纹理的分类与识别 | 第106-110页 |
| ·基于S-NFS算法木材表面纹理参数体系的建立 | 第106-107页 |
| ·在参数体系Ⅲ下木材表面纹理的分类与识别 | 第107-110页 |
| ·本章小结 | 第110-111页 |
| 6 基于信息融合木材表面纹理的分类与识别 | 第111-126页 |
| ·信息融合理论概述 | 第111-114页 |
| ·基于高斯—马尔可夫随机场(GMRF)木材表面纹理的分类与识别 | 第114-122页 |
| ·邻域系统与基团 | 第114-115页 |
| ·马尔可夫(Markov)随机场 | 第115-116页 |
| ·高斯—马尔可夫(GMRF)随机场模型及其参数估计 | 第116-117页 |
| ·基于高斯—马尔可夫随机场木材表面纹理特征的获取 | 第117-121页 |
| ·基于GMRF木材表面纹理的分类与识别 | 第121-122页 |
| ·在融合参数体系下木材表面纹理的分类与识别 | 第122-125页 |
| ·本章小结 | 第125-126页 |
| 7 木材表面纹理分类识别实验系统 | 第126-137页 |
| ·木材表面纹理分类实验系统总体框架 | 第126-127页 |
| ·木材表面纹理分类实验系统硬件构成 | 第127-129页 |
| ·木材表面纹理分类实验软件系统 | 第129-136页 |
| ·软件系统总体架构 | 第129-130页 |
| ·图像预处理模块 | 第130-133页 |
| ·纹理特征获取模块 | 第133-135页 |
| ·特征提取与选择模块 | 第135页 |
| ·分类与识别模块 | 第135-136页 |
| ·本章小结 | 第136-137页 |
| 结论 | 第137-139页 |
| 参考文献 | 第139-146页 |
| 附录 | 第146-147页 |
| 攻读学位期间发表的学术论文 | 第147-148页 |
| 致谢 | 第148-149页 |
