| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 海面粗糙度简介 | 第8-9页 |
| 1.2.1 空气动力学粗糙度简介 | 第8-9页 |
| 1.2.2 海面粗糙度的定义 | 第9页 |
| 1.3 研究现状 | 第9-10页 |
| 1.4 论文研究内容 | 第10-12页 |
| 2 纹理图像分析 | 第12-16页 |
| 2.1 纹理图像分析概述 | 第12-13页 |
| 2.1.1 纹理的基本概念 | 第12页 |
| 2.1.2 纹理的定义 | 第12-13页 |
| 2.2 纹理的分类与纹理特征 | 第13页 |
| 2.2.1 纹理的分类 | 第13页 |
| 2.2.2 纹理特征 | 第13页 |
| 2.3 纹理分析的应用领域 | 第13-15页 |
| 2.4 本章小结 | 第15-16页 |
| 3 纹理图像分析技术 | 第16-24页 |
| 3.1 结构分析方法 | 第17-18页 |
| 3.1.1 纹理基元基本理论 | 第17页 |
| 3.1.2 基于结构的纹理分析方法 | 第17-18页 |
| 3.2 模型法 | 第18-20页 |
| 3.2.1 纹理模型基本思想 | 第18页 |
| 3.2.2 基于模型的纹理分析方法 | 第18-20页 |
| 3.3 信号处理方法 | 第20-22页 |
| 3.3.1 信号处理法理论依据 | 第20页 |
| 3.3.2 基于信号处理的纹理分析方法 | 第20-22页 |
| 3.4 统计方法 | 第22-23页 |
| 3.4.1 统计方法的主要思想 | 第22页 |
| 3.4.2 基于统计的纹理分析方法 | 第22-23页 |
| 3.5 本章小结 | 第23-24页 |
| 4 图像纹理特征的提取 | 第24-39页 |
| 4.1 灰度-梯度共生矩阵 | 第24-27页 |
| 4.1.1 灰度-梯度共生矩阵算法分析 | 第24-25页 |
| 4.1.2 灰度-梯度共生矩阵的数字特征 | 第25-27页 |
| 4.1.3 与图像粗糙度相关 | 第27页 |
| 4.2 自相关函数法 | 第27-28页 |
| 4.2.1 自相关函数法算法分析 | 第27-28页 |
| 4.2.2 与图像粗糙度相关 | 第28页 |
| 4.3 基于FBM的亮度差值图像自相关法 | 第28-30页 |
| 4.3.1 基于FBM的亮度差值图像自相关算法分析 | 第28-30页 |
| 4.3.2 与图像粗糙度相关 | 第30页 |
| 4.4 基于距离的边缘频率法 | 第30-33页 |
| 4.4.1 基于距离的边缘频率法算法分析 | 第30-33页 |
| 4.4.2 与图像粗糙度相关 | 第33页 |
| 4.5 Tamura纹理特征法 | 第33-37页 |
| 4.5.1 Tamura纹理特征法算法分析 | 第34-37页 |
| 4.5.2 与图像粗糙度相关 | 第37页 |
| 4.6 本章小结 | 第37-39页 |
| 5 实验分析 | 第39-61页 |
| 5.1 噪声对图像粗糙度的影响 | 第39-41页 |
| 5.1.1 高斯噪声对图像粗糙度的影响 | 第39页 |
| 5.1.2 脉冲噪声对图像粗糙度的影响 | 第39-40页 |
| 5.1.3 随机噪声对图像粗糙度的影响 | 第40-41页 |
| 5.1.4 乘性噪声对图像粗糙度的影响 | 第41页 |
| 5.2 实验数据回归拟合分析 | 第41-60页 |
| 5.2.1 实验数据采集 | 第41-43页 |
| 5.2.2 数据的回归拟合分析算法 | 第43-44页 |
| 5.2.3 基于图像的海面粗糙度回归实验结果 | 第44-60页 |
| 5.3 误差对比分析 | 第60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 海面粗糙度实验数据 | 第67-72页 |