基于马尔科夫随机场的纹理图像分类
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·论文研究的目的和意义 | 第7-8页 |
| ·纹理图像分类的国内外研究现状 | 第8-9页 |
| ·本文的主要研究内容和各章节安排 | 第9-11页 |
| 2 基于马尔科夫随机场的图像表面分析 | 第11-25页 |
| ·马尔科夫随机过程 | 第11页 |
| ·马尔科夫随机场概述 | 第11-13页 |
| ·纹理模型的建立及参数估计 | 第13-16页 |
| ·高斯-马尔科夫随机场模型的建立 | 第13-14页 |
| ·高斯-马尔科夫随机场模型及参数估计 | 第14-16页 |
| ·实验结果 | 第16-23页 |
| ·本章小结 | 第23-25页 |
| 3 基于纹理特征参数的分类识别 | 第25-37页 |
| ·图像纹理特征模式识别 | 第25-29页 |
| ·模式识别的基本原理 | 第25页 |
| ·基于人工神经网络设计的纹理特征模式识别 | 第25-29页 |
| ·纹理图像分类结果及分析 | 第29-36页 |
| ·实验结果 | 第33-35页 |
| ·结论 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于灰度共生矩阵和分形维数的纹理特征的提取 | 第37-47页 |
| ·灰度共生矩阵 | 第37-42页 |
| ·灰度共生矩阵的定义 | 第37-38页 |
| ·灰度共生矩阵的特点 | 第38页 |
| ·灰度共生矩阵的特征参数 | 第38-40页 |
| ·实验仿真 | 第40-42页 |
| ·分形理论 | 第42-45页 |
| ·基于自相关函数的分形维数的计算方法 | 第42-44页 |
| ·实验仿真 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 5 基于遗传算法的特征优化及优化后纹理图像的分类 | 第47-55页 |
| ·遗传算法 | 第47-48页 |
| ·特征选择 | 第48页 |
| ·基于遗传算法的特征选择 | 第48-52页 |
| ·特征优化的设计 | 第49-51页 |
| ·优化的结果 | 第51-52页 |
| ·基于特征优化前后的纹理图像识别分类 | 第52-53页 |
| ·木材纹理图像的分类结果 | 第52页 |
| ·指纹图像的分类结果 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 6 课题应用问题与工作展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-61页 |
