| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-15页 |
| 1．1 模式识别概述 | 第6-7页 |
| 1．2 选题的理论意义和实用背景 | 第7-8页 |
| 1．3 纹理分割研究现状 | 第8-13页 |
| 1．4 本文的结构 | 第13-14页 |
| 1．5 本章小结 | 第14-15页 |
| 第二章 小波分析 | 第15-26页 |
| 2．1 小波变换 | 第15-17页 |
| 2．2 多分辨率分析 | 第17-21页 |
| 2．2．1一 维信号的多分辨率分析 | 第17-19页 |
| 2．2．2 Mallat算法 | 第19-21页 |
| 2．3 图像的小波表示 | 第21-25页 |
| 2．4 本章小结 | 第25-26页 |
| 第三章 基于小波的纹理分割特征提取 | 第26-35页 |
| 3．1 基于人类视觉机理的空间/空间-频率纹理特征提取 | 第26-28页 |
| 3．2 基于小波的纹理特征提取 | 第28-34页 |
| 3．2．1 基于金字塔小波变换的纹理特征提取 | 第28-30页 |
| 3．2．2 基于四分法的特征值改进 | 第30-33页 |
| 3．2．3 实验结果分析 | 第33-34页 |
| 3．3 本章小结 | 第34-35页 |
| 第四章 模糊聚类 | 第35-45页 |
| 4．1 聚类分析 | 第35-37页 |
| 4．2 硬C-均值聚类 | 第37-39页 |
| 4．2．1 数据集合的硬C-划分空间 | 第37-38页 |
| 4．2．2 硬C-均值聚类算法（HCM） | 第38-39页 |
| 4．3 模糊C-均值聚类 | 第39-44页 |
| 4．3．1 模糊集理论 | 第39-41页 |
| 4．3．2 数据集合的模糊C-划分空间 | 第41-42页 |
| 4．3．3 模糊C-均值聚类算法（FCM） | 第42-44页 |
| 4．4 本章小结 | 第44-45页 |
| 第五章 基于模糊聚类的纹理分割 | 第45-55页 |
| 5．1 基于修正目标函数FCM算法的纹理分割 | 第45-49页 |
| 5．1．1 修正的目标函数 | 第45-47页 |
| 5．1．2 MFCM聚类算法 | 第47-48页 |
| 5．1．3 实验结果分析 | 第48-49页 |
| 5．2 基于自适应FCM算法的纹理分割 | 第49-54页 |
| 5．2．1 聚类有效性 | 第49-50页 |
| 5．2．2 一种自适应FCM算法在纹理分割中的应用 | 第50-52页 |
| 5．2．3 实验结果分析 | 第52-54页 |
| 5．3 本章小结 | 第54-55页 |
| 第六章 全文工作总结 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61页 |