| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·图像纹理特征研究现状 | 第11-15页 |
| ·主要研究内容 | 第15页 |
| ·论文结构 | 第15-17页 |
| 第2章 相关基础知识概述 | 第17-25页 |
| ·认识纹理 | 第17-19页 |
| ·纹理特征提取方法 | 第19-23页 |
| ·灰度图像的数学定义 | 第19-20页 |
| ·灰度共生矩阵 | 第20-22页 |
| ·灰度共生矩阵的特征值 | 第22-23页 |
| ·四叉树编码 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于灰度自适应压缩的 GLCM 纹理提取算法 | 第25-37页 |
| ·引言 | 第25页 |
| ·基于灰度分布的自适应压缩方法 | 第25-31页 |
| ·图像纹理提取的步骤 | 第25页 |
| ·图像灰度级压缩 | 第25-26页 |
| ·传统的压缩方法 | 第26-28页 |
| ·灰度自适应压缩方法 | 第28-31页 |
| ·纹理特征的度量 | 第31-35页 |
| ·灰度共生矩阵的变化 | 第31-33页 |
| ·相似性度量的选取 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 第4章 基于纹理特征的图像四叉树编码压缩 | 第37-42页 |
| ·引言 | 第37页 |
| ·四叉树编码 | 第37-41页 |
| ·四叉树的基本思想和特点 | 第37-38页 |
| ·四叉树的生成 | 第38页 |
| ·四叉树的分类 | 第38-41页 |
| ·基于纹理特征的图像四叉树编码 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第5章 算法验证及结果分析 | 第42-51页 |
| ·引言 | 第42页 |
| ·图像匹配实验 | 第42-46页 |
| ·实验环境与数据来源 | 第42-43页 |
| ·实验过程与数据 | 第43-46页 |
| ·实验结果分析 | 第46页 |
| ·基于纹理特征的四叉树压缩实验 | 第46-50页 |
| ·实验过程与数据 | 第46-49页 |
| ·实验结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第57-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |