| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题的目的及意义 | 第10-11页 |
| ·数字图像滤波研究概况 | 第11-14页 |
| ·数字图像噪声的种类和模型 | 第11-12页 |
| ·图像滤波技术的概况 | 第12-13页 |
| ·滤波图像质量评价 | 第13-14页 |
| ·纹理图像的研究概述 | 第14-15页 |
| ·模糊技术及神经网络在图像处理中的应用 | 第15-16页 |
| ·论文的主要工作和结构安排 | 第16-17页 |
| 第2章 基于局部方差的模糊小波阈值图像去噪 | 第17-33页 |
| ·小波阈值去噪方法 | 第17-23页 |
| ·阈值函数的选取 | 第18-19页 |
| ·小波阈值的估计 | 第19-23页 |
| ·比例萎缩去噪方法 | 第23-27页 |
| ·基于局部方差的模糊小波阈值去噪 | 第27-29页 |
| ·实验结果与分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于可分离性判据的自适应加权纹理图像分割 | 第33-46页 |
| ·统计纹理分析 | 第33-37页 |
| ·灰度共生矩阵法 | 第33-36页 |
| ·等灰度行程长度法 | 第36-37页 |
| ·基于可分离性判据的自适应纹理分析 | 第37-44页 |
| ·聚类准则函数 | 第38-40页 |
| ·纹理特征的选取与加权 | 第40-41页 |
| ·模糊C 均值算法 | 第41-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于增强模糊Kohonen 网络的纹理图像分割 | 第46-55页 |
| ·Kohonen 聚类神经网络 | 第46-49页 |
| ·Kohonen 神经网络的拓扑结构 | 第46-48页 |
| ·Kohonen 聚类神经网络的算法 | 第48-49页 |
| ·模糊Kohonen 聚类网络 | 第49-50页 |
| ·增强模糊Kohonen 聚类网络 | 第50-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于支持向量机的纹理图像分割 | 第55-65页 |
| ·基于高斯马尔可夫模型的纹理图像分析 | 第55-57页 |
| ·支持向量机理论 | 第57-62页 |
| ·线性支持向量机 | 第57-60页 |
| ·非线性支持向量机 | 第60-62页 |
| ·支持向量机的特点 | 第62页 |
| ·实验结果及分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74页 |