| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题的提出及研究意义 | 第10-12页 |
| 1.2 断.图像特征提取方法与识别国内外研究现状 | 第12-14页 |
| 1.3 Grouplet变换的国内外研究现状 | 第14-16页 |
| 1.4 关联向量机国内外研究现状 | 第16-17页 |
| 1.5 论文的主要内容及创新之处 | 第17-19页 |
| 1.5.1 论文的主要内容 | 第17-18页 |
| 1.5.2 论文的创新点 | 第18-19页 |
| 1.6 本章小结 | 第19-21页 |
| 第2章 Grouplet变换理论及算法研究 | 第21-32页 |
| 2.1 引言 | 第21-22页 |
| 2.2 Haar小波变换 | 第22-25页 |
| 2.3 Grouplet变换理论及算法 | 第25-29页 |
| 2.3.1 嵌入式子网格理论 | 第25-26页 |
| 2.3.2 关联域的计算 | 第26-28页 |
| 2.3.3 Grouplet变换算法 | 第28-29页 |
| 2.4 Grouplet变换提取断.图像细节实验研究 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于Grouplet-RVM的断.图像识别方法研究 | 第32-48页 |
| 3.1 引言 | 第32-33页 |
| 3.2 RVM算法模型 | 第33-36页 |
| 3.3 基于Grouplet变换的特征提取方法 | 第36-40页 |
| 3.4 基于Grouplet-RVM的断.图像识别方法研究 | 第40-42页 |
| 3.5 实验研究 | 第42-46页 |
| 3.5.1 Grouplet-RVM与小波-RVM对比分析 | 第44-45页 |
| 3.5.2 Grouplet-RVM与Grouplet- SVM对比分析 | 第45-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 基于Grouplet-VRVM的断.图像识别方法研究 | 第48-56页 |
| 4.1 引言 | 第48-49页 |
| 4.2 变分关联向量机(VRVM)理论与算法 | 第49-50页 |
| 4.3 VRVM识别模型 | 第50-51页 |
| 4.4 实验研究 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 基于Grouplet-WRVM的断.图像识别方法研究 | 第56-64页 |
| 5.1 引言 | 第56-57页 |
| 5.2 小波变换 | 第57-58页 |
| 5.3 小波关联向量机 | 第58-59页 |
| 5.4 实验研究 | 第59-62页 |
| 5.5 本章小结 | 第62-64页 |
| 第6章 结论与展望 | 第64-67页 |
| 6.1 本文总结 | 第64-65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表论文和参加科研情况 | 第71-72页 |
| 致谢 | 第72-73页 |
