| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| 1．1 引言 | 第7页 |
| 1．2 国内外发展概况 | 第7-9页 |
| 1．3 本文研究内容 | 第9-10页 |
| 1．4 本文结构安排 | 第10-11页 |
| 第二章 图像处理的基本理论 | 第11-17页 |
| 2．1 数字图像处理系统的组成 | 第11-12页 |
| 2．2 图像的数学描述 | 第12-13页 |
| 2．3 图像变换 | 第13页 |
| 2．4 几种图像处理技术概述 | 第13-16页 |
| 本章小结 | 第16-17页 |
| 第三章 小波分析的基本理论和隐马尔可夫模型 | 第17-32页 |
| 3．1 小波分析的基本理论 | 第17-26页 |
| 3．2 隐马尔可夫模型 | 第26-31页 |
| 本章小结 | 第31-32页 |
| 第四章 基于小波域隐马尔可夫树模型的文本图像分割算法 | 第32-42页 |
| 4．1 HMT分割算法 | 第32-37页 |
| 4．2 EM算法 | 第37-40页 |
| 4．3 计算量评估以及实例 | 第40-41页 |
| 本章小结 | 第41-42页 |
| 第五章 基于小波域隐马尔可夫树模型的文本图像分割新算法 | 第42-61页 |
| 5．1 基于小波域多状态HMT模型的文本图像分割算法 | 第42-44页 |
| 5．1．1 引言 | 第42-43页 |
| 5．1．2 算法 | 第43-44页 |
| 5．1．3 计算量评估 | 第44页 |
| 5．1．4 实例 | 第44页 |
| 5．2 基于小波域多状态HMT模型的自适应文本图像分割算法 | 第44-51页 |
| 5．2．1 基于环境的自适应分割算法 | 第44-47页 |
| 5．2．2 基于平滑图像的自适应分割算法 | 第47-48页 |
| 5．2．3 基于微分算子的自适应分割算法 | 第48-50页 |
| 5．2．4 实例 | 第50-51页 |
| 5．3 基于小波域混合状态HMT模型的文本图像分割算法 | 第51-53页 |
| 5．3．1 引言 | 第51-52页 |
| 5．3．2 算法 | 第52页 |
| 5．3．3 计算量评估 | 第52页 |
| 5．3．4 实例 | 第52-53页 |
| 5．4 基于小波域混合状态HMT模型的文本图像子带分割算法 | 第53-58页 |
| 5．4．1 引言 | 第53-55页 |
| 5．4．2 算法 | 第55-58页 |
| 5．4．3 计算量评估 | 第58页 |
| 5．4．4 实例 | 第58页 |
| 5．5 几种算法的分割结果比较 | 第58-60页 |
| 本章小结 | 第60-61页 |
| 第六章 ENO小波与图像压缩 | 第61-70页 |
| 6．1 ENO小波的简介 | 第61-63页 |
| 6. 2 一种新的Eno-haar小波变换算法 | 第63-69页 |
| 本章小结 | 第69-70页 |
| 第七章 结束语 | 第70-71页 |
| 参考文献 | 第71-75页 |
