| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·引言 | 第9页 |
| ·研究的内容与研究意义 | 第9-14页 |
| ·图像纹理及纹理特征提取技术 | 第9-13页 |
| ·面向对象的图像分类技术 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·本文的主要工作 | 第16-17页 |
| ·本文的组织结构 | 第17-19页 |
| 第二章 本文相关的理论基础 | 第19-32页 |
| ·几种纹理特征提取技术 | 第19-21页 |
| ·小波变换基本理论 | 第21-28页 |
| ·引言 | 第21-22页 |
| ·小波变换 | 第22-28页 |
| ·SVM 分类器 | 第28-32页 |
| 第三章 灰度-最大变化共生矩阵纹理特征提取技术 | 第32-53页 |
| ·灰度-最大变化共生矩阵 | 第32-40页 |
| ·最大变化矩阵定义及计算方法 | 第32-36页 |
| ·灰度-最大变化共生矩阵定义及计算方法 | 第36-40页 |
| ·图像纹理特征提取 | 第40-42页 |
| ·图像纹理特征提取方法 | 第40-41页 |
| ·纹理特征归一化 | 第41-42页 |
| ·基于灰度-最大变化共生矩阵的图像分类结果 | 第42-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于小波的起伏矩阵纹理特征提取技术 | 第53-68页 |
| ·纹理起伏矩阵定义及计算方法 | 第53-57页 |
| ·基于小波的起伏矩阵定义及计算方法 | 第57页 |
| ·图像纹理特征提取 | 第57-58页 |
| ·基于小波的起伏矩阵的图像分类实验结果 | 第58-66页 |
| ·基于小波的起伏矩阵方法与灰度-最大变化共生矩阵方法的比较 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 面向对象的图像分类技术 | 第68-83页 |
| ·引言 | 第68页 |
| ·面向对象图像分类操作流程 | 第68-69页 |
| ·图像分割 | 第69-72页 |
| ·图像分割的定义 | 第69-70页 |
| ·mean shift 算法简介 | 第70-71页 |
| ·mean shift 图像分割算法 | 第71-72页 |
| ·图像纹理特征提取 | 第72-76页 |
| ·区域子图像选取规则 | 第72-74页 |
| ·“投票机制”类别判断方法 | 第74-76页 |
| ·图像纹理特征的提取 | 第76页 |
| ·后处理步骤 | 第76-78页 |
| ·实验结果 | 第78-82页 |
| ·本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 攻硕期间取得的研究成果 | 第89-90页 |