| 第1章 绪论 | 第1-29页 |
| ·论文研究的目的和意义 | 第11-13页 |
| ·国内外研究现状概述 | 第13-23页 |
| ·纹理分析国内外研究概况 | 第13-17页 |
| ·纹理生成国内外研究概况 | 第17-19页 |
| ·信息智能处理技术国内外研究概况 | 第19-23页 |
| ·论文研究的主要内容 | 第23-29页 |
| 第2章 纹理图象及其特征提取 | 第29-50页 |
| ·纹理及纹理图象 | 第29-30页 |
| ·纹理图象研究的难点 | 第30-32页 |
| ·纹理特征的提取 | 第32-49页 |
| ·基于统计的纹理特征提取方法 | 第34-44页 |
| ·基于结构的纹理特征提取方法 | 第44-46页 |
| ·基于模型的纹理特征提取方法 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 基于全方位结构元素层叠算法的自然纹理图象去噪处理 | 第50-63页 |
| ·数学形态学基本滤波算子 | 第51-54页 |
| ·形态滤波器设计 | 第54-59页 |
| ·交替串行级联式形态滤波器 | 第54-55页 |
| ·多方位结构元素形态滤波器 | 第55-56页 |
| ·全方位结构元素闭开组合形态滤波器 | 第56-57页 |
| ·全方位结构元素层叠滤波器研究 | 第57-59页 |
| ·仿真实验与分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第4章 基于蚁群算法的自然纹理图象识别 | 第63-90页 |
| ·蚁群算法基本模型 | 第64-67页 |
| ·蚂蚁系统 | 第67-73页 |
| ·蚁群系统 | 第73-77页 |
| ·蚁群算法的改进思路 | 第77-78页 |
| ·基于蚁群算法的纹理图象识别 | 第78-86页 |
| ·基于蚁群算法的聚类识别基本原理 | 第79-80页 |
| ·纹理图象特征提取 | 第80-81页 |
| ·自然纹理图象的识别 | 第81-83页 |
| ·实验仿真及结果分析 | 第83-86页 |
| ·基于蚁群算法的硬币图象识别 | 第86-89页 |
| ·图像特征提取 | 第86-87页 |
| ·实验仿真及结果分析 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 第5章 基于高阶统计量的自然纹理图象生成方法研究 | 第90-120页 |
| ·纹理统计特征的提取 | 第90-94页 |
| ·人工神经网络的建立 | 第94-105页 |
| ·人工神经网络模型分类 | 第96-97页 |
| ·误差反向传播网络BP算法 | 第97-101页 |
| ·BP网络存在的问题及改进算法 | 第101-105页 |
| ·自然纹理图象生成方法的实现 | 第105-106页 |
| ·实验仿真及结果分析 | 第106-118页 |
| ·实验条件 | 第106-107页 |
| ·实验仿真 | 第107-118页 |
| ·实验结果及分析 | 第118页 |
| ·本章小结 | 第118-120页 |
| 结论 | 第120-123页 |
| 参考文献 | 第123-133页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第133-135页 |
| 致谢 | 第135-136页 |
| 个人简历 | 第136页 |