纹理的特征提取与分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·纹理的基本概念 | 第9-13页 |
| ·纹理的定义 | 第9-10页 |
| ·纹理研究的领域 | 第10-11页 |
| ·从心理学方面理解纹理 | 第11-12页 |
| ·从实际应用方面了解纹理 | 第12-13页 |
| ·纹理分析的技术发展及研究现状 | 第13-15页 |
| ·论文的主要研究内容与章节 | 第15-17页 |
| ·选题背景 | 第15页 |
| ·论文的主要工作 | 第15-17页 |
| 第2章 纹理描述 | 第17-33页 |
| ·纹理的统计方法描述 | 第17-18页 |
| ·纹理的空间频率特性描述 | 第18-27页 |
| ·自相关函数 | 第18页 |
| ·空间Fourier变换和功率谱函数 | 第18-20页 |
| ·基于灰度直方图的中心矩方法 | 第20-22页 |
| ·度差分统计分析方法 | 第22-23页 |
| ·游程长度分析方法 | 第23-24页 |
| ·纹理二阶统计特性 | 第24-27页 |
| ·纹理的结构方法描述 | 第27-30页 |
| ·纹理描述的其他方法 | 第30-31页 |
| ·自回归纹理模型 | 第30-31页 |
| ·小波变换 | 第31页 |
| ·小结 | 第31-33页 |
| 第3章 基于滤波器组的纹理分类研究 | 第33-40页 |
| ·前言 | 第33-34页 |
| ·基于滤波器组提取图像结构 | 第34-37页 |
| ·滤波器组的建立 | 第34-35页 |
| ·滤波器组输出的统计表示 | 第35-36页 |
| ·滤波器输出的纹理基元表示 | 第36-37页 |
| ·纹理分类 | 第37-39页 |
| ·传统的简单Bayes分类方法 | 第37-38页 |
| ·最大加权相关树分类方法 | 第38-39页 |
| ·实验结果 | 第39-40页 |
| 第4章 基于局部仿射变换的纹理分类研究 | 第40-45页 |
| ·前言 | 第40页 |
| ·纹理特征的提取 | 第40-42页 |
| ·仿射区域 | 第40-41页 |
| ·旋转不变量的描述 | 第41-42页 |
| ·纹理分类 | 第42-43页 |
| ·传统的简单Bayes分类方法 | 第42页 |
| ·试验效果较好的改进纹理分类方法 | 第42-43页 |
| ·实验结果 | 第43-45页 |
| 第5章 基于单应的稀疏纹理分类研究 | 第45-55页 |
| ·前言 | 第45页 |
| ·基于Harris角点的特征匹配 | 第45-52页 |
| ·图像平滑预处理 | 第45-47页 |
| ·Harris特征提取法 | 第47页 |
| ·基于随机抽样一致算法(RANSCA)的单应计算 | 第47-52页 |
| ·两幅纹理图片的相似性度量 | 第52-53页 |
| ·信号谱和大型推土机距离 | 第53页 |
| ·实验结果 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文 | 第62页 |
