| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·选题背景及研究意义 | 第9-10页 |
| ·研究现状 | 第10-14页 |
| ·传统的图像分割方法 | 第10-12页 |
| ·图像分割新方法 | 第12-14页 |
| ·难点问题与本文的主要研究内容 | 第14-15页 |
| ·现存的难点问题 | 第14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文的内容结构安排 | 第15-16页 |
| 2 图像的纹理特征 | 第16-25页 |
| ·纹理概述 | 第16-17页 |
| ·纹理特征 | 第17-23页 |
| ·纹理特征提取方法 | 第17-18页 |
| ·常用的纹理特征 | 第18-23页 |
| ·常用的特征分类器 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 3 小波变换域统计纹理特征 | 第25-41页 |
| ·小波的发展历程 | 第25-26页 |
| ·小波的基本理论 | 第26-30页 |
| ·连续小波变换 | 第26-28页 |
| ·离散小波变换 | 第28-30页 |
| ·多分辨分析和正交小波变换 | 第30-35页 |
| ·多分辨分析理论基础 | 第30-31页 |
| ·正交小波变换与多分辨分析 | 第31-33页 |
| ·Mallat 算法与离散正交小波变换 | 第33-35页 |
| ·基于离散小波变换的统计纹理特征 | 第35-40页 |
| ·二维离散小波变换 | 第35-37页 |
| ·小波变换域的统计纹理特征 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 基于小波变换和隐马尔科夫模型的多尺度纹理分割算法 | 第41-62页 |
| ·多尺度纹理图像分割 | 第41-42页 |
| ·小波变换域的隐马尔科夫树模型 | 第42-52页 |
| ·离散小波变换域的隐马尔科夫树模型 | 第42-45页 |
| ·对偶树复小波变换域的HMT 模型 | 第45-49页 |
| ·HMT 模型的训练算法 | 第49-52页 |
| ·单一尺度纹理分割 | 第52-54页 |
| ·最大似然分类算法 | 第52-53页 |
| ·实验结果及分析 | 第53-54页 |
| ·多尺度分割融合 | 第54-58页 |
| ·贝叶斯分割算法框架 | 第54-55页 |
| ·语义类标树模型 | 第55-57页 |
| ·语义类标树模型的训练算法 | 第57-58页 |
| ·实验结果及分析 | 第58页 |
| ·合成纹理图像的实验结果及分析 | 第58-60页 |
| ·后处理算法 | 第60-61页 |
| ·实验结果分析 | 第61页 |
| ·本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| ·本文的工作总结 | 第62页 |
| ·下一步的工作展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |