| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-12页 |
| ·纹理分割研究的背景和意义 | 第8-10页 |
| ·纹理分割的发展趋势 | 第10页 |
| ·论文主要工作及内容安排 | 第10-12页 |
| 2 传统的纹理特征提取方法 | 第12-21页 |
| ·基于统计的特征提取 | 第12-15页 |
| ·灰度共生矩阵 | 第12-14页 |
| ·灰度游程长度方法 | 第14页 |
| ·灰度差分统计法 | 第14-15页 |
| ·基于模型的特征提取 | 第15-17页 |
| ·自相关模型 | 第16页 |
| ·随机场模型 | 第16-17页 |
| ·分形模型 | 第17页 |
| ·基于结构的特征提取 | 第17-18页 |
| ·基于多尺度多通道的特征提取 | 第18-20页 |
| ·总结 | 第20-21页 |
| 3 谱直方图 | 第21-26页 |
| ·谱直方图的定义 | 第21页 |
| ·谱直方图的性质 | 第21-22页 |
| ·梯度滤波器 | 第22页 |
| ·LoG滤波器 | 第22-24页 |
| ·Gabor滤波器 | 第24-26页 |
| 4 基于谱直方图和EM的纹理图像分割算法 | 第26-36页 |
| ·纹理分割原理 | 第26页 |
| ·EM(Expectation Maximization)的理论背景 | 第26-27页 |
| ·EM算法的含义 | 第26-27页 |
| ·EM算法的原理 | 第27页 |
| ·数学形态学的理论背景 | 第27-30页 |
| ·数学形态学的定义 | 第27-28页 |
| ·数学形态学在图像处理中的应用 | 第28-29页 |
| ·数学形态学的运算 | 第29-30页 |
| ·基于谱直方图的纹理特征提取 | 第30-32页 |
| ·基于滤波器组提取图像的频率特征 | 第30-31页 |
| ·基于滤波器组的输出响应 | 第31-32页 |
| ·基于EM算法的纹理分割 | 第32-34页 |
| ·距离度量函数 | 第32-33页 |
| ·x~2距离度量函数 | 第33页 |
| ·基于EM算法的纹理分割 | 第33-34页 |
| ·边界定位 | 第34页 |
| ·实验结果与分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 基于谱直方图相似性的纹理图像分割研究 | 第36-48页 |
| ·引言 | 第36页 |
| ·算法描述 | 第36页 |
| ·基于人类视觉机理的空间/空间-频率纹理特征提取 | 第36-38页 |
| ·基于谱直方图相似性的纹理特征提取 | 第38-41页 |
| ·本文使用的滤波器组 | 第39页 |
| ·相似性度量 | 第39-40页 |
| ·谱直方图的相似性 | 第40-41页 |
| ·骨架提取 | 第41-43页 |
| ·实验结果 | 第43-47页 |
| ·结论与小结 | 第47-48页 |
| 6 总结 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 硕士研究生期间发表的论文及科研 | 第53-54页 |