| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 致谢 | 第8-14页 |
| 第一章 概述 | 第14-22页 |
| ·背景及意义 | 第14-16页 |
| ·研究背景及意义 | 第14页 |
| ·应用领域 | 第14-16页 |
| ·纹理分类的主要方法及其评述 | 第16-18页 |
| ·本项研究的动机、目标及内容 | 第18-20页 |
| ·研究的动机 | 第18-19页 |
| ·研究的目标及内容 | 第19-20页 |
| ·论文的章节安排 | 第20-22页 |
| 第二章 小波变换 | 第22-32页 |
| ·引言 | 第22页 |
| ·小波基本理论 | 第22-29页 |
| ·傅立叶变换与小波分析 | 第22-23页 |
| ·短时傅立叶变换 | 第23-24页 |
| ·连续小波变换 | 第24-25页 |
| ·离散小波变换 | 第25-26页 |
| ·小波变换中的多分辨分析 | 第26-29页 |
| ·二维离散小波变换和无抽样小波变换 | 第29-32页 |
| 第三章 方法的总体概述 | 第32-35页 |
| ·基于无抽样离散小波变换的特征提取 | 第32-33页 |
| ·基于欧几里得距离度量的分类 | 第33页 |
| ·用最小分类错误(MCE)训练对特征提取器和分类器进行设计 | 第33-35页 |
| 第四章 基于高阶统计量的纹理图像特征提取 | 第35-52页 |
| ·引言 | 第35页 |
| ·一阶和二阶统计量特征 | 第35-37页 |
| ·一阶统计量特征 | 第35-36页 |
| ·二阶统计量特征 | 第36-37页 |
| ·高阶统计量的基本理论 | 第37-48页 |
| ·高阶统计量的发展概况 | 第37-38页 |
| ·特征函数 | 第38-40页 |
| ·高阶统计量的定义 | 第40-43页 |
| ·高阶累积量和高阶谱的性质 | 第43-45页 |
| ·高阶统计量的求取 | 第45-48页 |
| ·高阶统计量特征 | 第48-52页 |
| ·高阶统计量的紧凑表达方式 | 第49页 |
| ·高阶统计量的全面表达方式 | 第49-52页 |
| 第五章 基于最小分类错误概率的分类器设计 | 第52-57页 |
| ·贝叶斯决策理论 | 第52-53页 |
| ·判别式函数 | 第53-57页 |
| ·分类器的参数化表示 | 第53页 |
| ·判别式准则函数的定义 | 第53-57页 |
| 第六章 实验评价 | 第57-72页 |
| ·实验数据 | 第57-58页 |
| ·实验评价 | 第58-72页 |
| 第七章 结束语 | 第72-74页 |
| ·本文所做工作的总结 | 第72页 |
| ·展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文 | 第79-80页 |
| 攻读硕士学位期间作为主要参与者参与的科研项目 | 第80页 |