基于多分辨共生矩阵纹理特征的图像检索研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 选题背景及研究意义 | 第14-15页 |
| 1.2 基于内容的图像检索 | 第15-18页 |
| 1.2.1 发展现状 | 第15页 |
| 1.2.2 从小波分析到多尺度分析 | 第15-16页 |
| 1.2.3 基于纹理特征的图像检索 | 第16-18页 |
| 1.3 检索的相似度计算和性能评价 | 第18-20页 |
| 1.3.1 相似度计算 | 第18-19页 |
| 1.3.2 检索性能评价指标 | 第19-20页 |
| 1.4 主要研究内容及创新点 | 第20-22页 |
| 1.4.1 主要内容 | 第20页 |
| 1.4.2 创新点 | 第20-22页 |
| 第二章 多分辨共生矩阵(MCM)及其特征 | 第22-37页 |
| 2.1 多分辨共生矩阵 | 第22-24页 |
| 2.1.1 共生矩阵 | 第22-23页 |
| 2.1.2 共生矩阵的纹理特征 | 第23-24页 |
| 2.2 多分辨共生矩阵 | 第24-32页 |
| 2.2.1 多分辨共生矩阵概念及其相关性质 | 第24-25页 |
| 2.2.2 非下采样剪切波 | 第25-32页 |
| 2.3 本文纹理图像库 | 第32-33页 |
| 2.4 量化策略 | 第33-35页 |
| 2.5 混合高斯模型 | 第35-37页 |
| 2.5.1 EM算法 | 第35-36页 |
| 2.5.2 高斯混合模型 | 第36-37页 |
| 第三章 基于NSST和MCM纹理特征提取算法 | 第37-46页 |
| 3.1 引言 | 第37-38页 |
| 3.2 相似性度量 | 第38页 |
| 3.3 纹理特征提取算法 | 第38-40页 |
| 3.3.1 算法步骤 | 第38-40页 |
| 3.3.2 算法的优劣 | 第40页 |
| 3.4 仿真实验及分析 | 第40-45页 |
| 3.4.1 纹理特征提取算法仿真实验 | 第41-43页 |
| 3.4.2 纹理特征提取算法对比实验 | 第43-45页 |
| 3.5 小结 | 第45-46页 |
| 第四章 基于稀疏表示的图像检索算法 | 第46-50页 |
| 4.1 引言 | 第46页 |
| 4.2 相似性度量 | 第46页 |
| 4.3 稀疏表示和细节子带 | 第46-48页 |
| 4.3.1 稀疏表示 | 第47页 |
| 4.3.2 K-SVD构造超完备字典 | 第47-48页 |
| 4.3.3 正交匹配追踪稀疏表示算法 | 第48页 |
| 4.4 改进的特征提取算法 | 第48页 |
| 4.5 仿真实验及分析 | 第48-50页 |
| 第五章 总结和展望 | 第50-52页 |
| 5.1 全文总结 | 第50页 |
| 5.2 今后工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间的学术论文发表情况 | 第56页 |
