| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 纹理定义及相关算法综述 | 第10-14页 |
| 1.2.1 纹理的定义 | 第11-12页 |
| 1.2.2 纹理的特征 | 第12-13页 |
| 1.2.3 纹理特征提取算法 | 第13-14页 |
| 1.3 论文组织结构及章节安排 | 第14-16页 |
| 第二章 基于灰度共生矩阵的纹理特征提取 | 第16-29页 |
| 2.1 灰度共生矩阵的原理及特点 | 第16-18页 |
| 2.2 基于灰度共生矩阵的纹理特征提取算法 | 第18-21页 |
| 2.3 相关实验及结果分析 | 第21-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于 LBP 算子及灰度共生矩阵的纹理特征提取 | 第29-39页 |
| 3.1 LBP 算法原理 | 第29-33页 |
| 3.1.1 基本 LBP 算子 | 第29页 |
| 3.1.2 具有旋转不变性的 LBP 算子 | 第29-32页 |
| 3.1.3 LBP 算子的均匀模式 | 第32-33页 |
| 3.2 LBP 算子的特点 | 第33-34页 |
| 3.3 融合 LBP 算子与灰度共生矩阵的纹理特征提取算法 | 第34-38页 |
| 3.3.1 算法实现过程 | 第34页 |
| 3.3.2 相关实验及结果分析 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 模糊 C 均值聚类 | 第39-46页 |
| 4.1 聚类分析的分类 | 第39-40页 |
| 4.2 模糊集理论 | 第40-41页 |
| 4.3 模糊 C 均值聚类 | 第41-45页 |
| 4.3.1 数据集的 c 划分 | 第42-43页 |
| 4.3.2 模糊 C 均值聚类算法 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于排列组合熵的分开-合并纹理分割算法 | 第46-66页 |
| 5.1 基于排列组合熵的纹理图像分割算法 | 第46-54页 |
| 5.1.1 排列组合熵基本概念 | 第46-47页 |
| 5.1.2 基于排列组合熵的纹理特征描述 | 第47-49页 |
| 5.1.3 算法实现 | 第49页 |
| 5.1.4 实验结果及分析 | 第49-54页 |
| 5.2 基于排列组合熵和纹理特征的分开-合并分割算法 | 第54-65页 |
| 5.2.1 分开-合并算法 | 第54-55页 |
| 5.2.2 算法实现 | 第55-58页 |
| 5.2.3 实验结果及分析 | 第58-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 总结及展望 | 第66-68页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73页 |
