| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 纹理图片分析发展现状 | 第12页 |
| 1.2.2 特征提取的发展现状 | 第12-16页 |
| 1.3 主要研究工作 | 第16-17页 |
| 1.4 章节内容安排 | 第17-19页 |
| 第二章 基于模式识别的图像特征提取方法研究 | 第19-27页 |
| 2.1 模式识别框架 | 第19-20页 |
| 2.2 模式识别的主要方法及其在图像处理中的应用 | 第20-24页 |
| 2.2.1 统计决策法 | 第20-21页 |
| 2.2.2 结构模式识别 | 第21页 |
| 2.2.3 模糊模式识别法 | 第21-22页 |
| 2.2.4 神经网络模式识别法 | 第22页 |
| 2.2.5 局部二值模式方法 | 第22-24页 |
| 2.3 图像特征提取 | 第24-26页 |
| 2.3.1 图像特征 | 第24-25页 |
| 2.3.2 纹理及纹理特征 | 第25页 |
| 2.3.3 纹理特征提取方法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于局部算子的纹理图像识别方法 | 第27-39页 |
| 3.1 局部二值模式定义 | 第27-30页 |
| 3.2 局部二值模式特性 | 第30-32页 |
| 3.2.1 旋转不变性 | 第30-31页 |
| 3.2.2 等价模式 | 第31-32页 |
| 3.3 实验分析 | 第32-38页 |
| 3.3.1 样本的直方图统计 | 第32-35页 |
| 3.3.2 训练模型的获得 | 第35-36页 |
| 3.3.3 纹理图片的识别方法 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 多层分块局部二值模式算子的研究 | 第39-50页 |
| 4.1 局部二值模式的发展 | 第39-40页 |
| 4.2 基于图像纹理特征的分析 | 第40页 |
| 4.3 基于多层分块局部二值模式算子的纹理图像分类 | 第40-44页 |
| 4.3.1 分块的局部二值模式算子描述 | 第40-41页 |
| 4.3.2 基于多层分块局部二值模式算子的直方图统计 | 第41-42页 |
| 4.3.4 训练模型与测试样本特征的确定 | 第42-43页 |
| 4.3.5 纹理图片的归类 | 第43-44页 |
| 4.4 实验 | 第44-49页 |
| 4.4.1 分块大小对纹理图像分类的影响 | 第45-46页 |
| 4.4.2 特征留取数对纹理图像分类的影响 | 第46-47页 |
| 4.4.3 NSF纹理数据库上的对比实验 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 本文的主要工作和创新点 | 第50页 |
| 5.2 进一步的工作和展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |