| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| §1.1 研究背景及意义 | 第10-11页 |
| §1.2 纹理特征提取方法 | 第11-12页 |
| §1.3 图像分类方法 | 第12-13页 |
| §1.4 论文的主要工作及结构安排 | 第13-16页 |
| 第二章 小波分析和多尺度几何分析在图像处理中的应用 | 第16-22页 |
| §2.1 小波分析 | 第16-18页 |
| ·小波分析的背景 | 第16-17页 |
| ·连续小波变换 | 第17-18页 |
| ·离散小波变换 | 第18页 |
| §2.2 多尺度几何分析 | 第18-22页 |
| ·脊波（Ridgelets） | 第19页 |
| ·曲线波（Curvelets） | 第19-20页 |
| ·轮廓波（Contourlets） | 第20页 |
| ·梳状波（Brushlets） | 第20-22页 |
| 第三章 支持向量机 | 第22-28页 |
| §3.1 支持向量机简介 | 第22-23页 |
| §3.2 支持向量机与结构风险最小化 | 第23-24页 |
| §3.3 支持向量机基本原理 | 第24-28页 |
| 第四章 基于 Brushlet 复特征和 SVM 的纹理图像分类 | 第28-40页 |
| §4.1 Brushlet 变换 | 第28-30页 |
| §4.2 Brushlet 特征提取 | 第30-33页 |
| ·能量特征提取 | 第30-31页 |
| ·相位特征提取 | 第31-33页 |
| §4.3 基于 Brushlet 复特征和 SVM 的纹理图像分类 | 第33-40页 |
| ·基于 Brushlet 复特征和 SVM 的图像分类算法 | 第35页 |
| ·实验结果及分析 | 第35-40页 |
| 第五章 基于 Gabor 滤波和多层次特征传递的多纹理图像分类 | 第40-58页 |
| §5.1 多纹理图像分类背景 | 第40-41页 |
| §5.2 Gabor 特征提取 | 第41-48页 |
| ·Gabor 变换 | 第41-42页 |
| ·Gabor 滤波器简介 | 第42-46页 |
| ·Gabor 特征提取 | 第46-48页 |
| §5.3 训练中心的选择 | 第48页 |
| §5.4 基于 Gabor 滤波多层次特征传递的有监督分类算法 | 第48-49页 |
| §5.5 实验结果及分析 | 第49-58页 |
| ·算法 5.4.1 结果及分析 | 第50-55页 |
| ·实验对比 | 第55-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间撰写的学术论文 | 第66页 |
| 攻读硕士学位期间参与的科研项目 | 第66页 |
| 攻读硕士学位期间获奖情况 | 第66-67页 |
