| 第一章 绪论 | 第1-35页 |
| ·纹理图象研究的意义 | 第19-21页 |
| ·图象纹理的分析与识别研究的动态 | 第21-30页 |
| ·论文研究内容及编排 | 第30-35页 |
| 第二章 纹理图象的小波分析与识别 | 第35-50页 |
| ·引言 | 第35-37页 |
| ·小波变换与Mallat算法 | 第37-41页 |
| ·树结构小波分解方法 | 第41-44页 |
| ·纹理特征提取 | 第44-45页 |
| ·纹理的神经网络分类实验 | 第45-48页 |
| ·实验结果 | 第48-50页 |
| 第三章 二维自适应异小波基小波变换及其在规则纹理缺陷检测中的应用 | 第50-67页 |
| ·引言 | 第50-51页 |
| ·紧支集正交小波基性质及其构造 | 第51-56页 |
| ·遗传算法 | 第56-58页 |
| ·二维小波变换与自适应小波基 | 第58-62页 |
| ·纹理缺陷检测实验 | 第62-66页 |
| ·结论 | 第66-67页 |
| 第四章 多分辨二项分布滤波器及其在纹理图象分割中的应用 | 第67-88页 |
| ·引言 | 第67-68页 |
| ·纹理模型 | 第68-70页 |
| ·Gabor滤波器及其对纹理输出响应 | 第70-73页 |
| ·最优Gabor滤波器设计方法 | 第73-77页 |
| ·多分辨二项分布滤波器 | 第77-79页 |
| ·项分布滤波器与Gabor滤波器的性能比较 | 第79-82页 |
| ·纹理图象分类实验 | 第82-87页 |
| ·结论 | 第87-88页 |
| 第五章 基于分维特征的自然纹理识别 | 第88-101页 |
| ·引言 | 第88-89页 |
| ·分维基本概念 | 第89-92页 |
| ·差分盒子计数法 | 第92-94页 |
| ·改进的快速差分盒子计数法 | 第94-95页 |
| ·纹理图象的分维特征提取 | 第95-96页 |
| ·自然纹理图象分维分类实验 | 第96-98页 |
| ·比较与讨论 | 第98-101页 |
| 第六章 统计多分辨模型下纹理图象的鲁棒分割 | 第101-121页 |
| ·引言 | 第101-103页 |
| ·多分辨高斯自回归统计模型 | 第103-109页 |
| ·纹理图象的受污染多分辨高斯模型分析 | 第109-115页 |
| ·多分辨鲁棒分割算法 | 第115-117页 |
| ·纹理分割实验 | 第117-120页 |
| ·结论 | 第120-121页 |
| 第七章 基于进化算法的SFSN神经网络 | 第121-139页 |
| ·引言 | 第121-123页 |
| ·聚类分析 | 第123-125页 |
| ·SFSN神经网络验 | 第125-127页 |
| ·进化算法(Evolutionary Programming) | 第127-128页 |
| ·采用进化编程的SFSN神经网络 | 第128-132页 |
| ·分类实验与讨论 | 第132-138页 |
| ·结论与应用前景 | 第138-139页 |
| 第八章 回顾与展望 | 第139-144页 |
| ·论文工作的回顾 | 第139-142页 |
| ·存在的问题与对未来的展望 | 第142-144页 |
| 参考文献 | 第144-154页 |
| 致谢 | 第154-156页 |
