| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·研究的背景和意义 | 第8页 |
| ·纹理的基本概念 | 第8-10页 |
| ·纹理的定义 | 第8-9页 |
| ·纹理分析 | 第9-10页 |
| ·纹理分类 | 第10页 |
| ·纹理分类的研究现状 | 第10-11页 |
| ·本文主要研究内容及组织结构 | 第11-14页 |
| 2 分形理论和纹理图像的多重分形谱 | 第14-22页 |
| ·分形概述 | 第14页 |
| ·分形维数 | 第14-17页 |
| ·豪斯道夫测度 | 第15页 |
| ·豪斯道夫维数 | 第15-16页 |
| ·盒维数 | 第16页 |
| ·数盒子法(box-counting method) | 第16-17页 |
| ·纹理图像的多重分形谱 | 第17-22页 |
| ·局部分形维数 | 第17-18页 |
| ·局部分形维数的判别力和不变性 | 第18-19页 |
| ·多重分形谱 | 第19-22页 |
| 3 纹理特征提取 | 第22-28页 |
| ·常见的纹理描述方法 | 第22-23页 |
| ·结构分析方法 | 第22页 |
| ·统计分析方法 | 第22页 |
| ·模型化方法 | 第22-23页 |
| ·信号处理方法 | 第23页 |
| ·本文的纹理特征描述方法 | 第23-28页 |
| ·局部特征 | 第23-24页 |
| ·像素分类方法 | 第24-26页 |
| ·纹理特征 | 第26-28页 |
| 4 纹理分类 | 第28-40页 |
| ·分类框架系统 | 第28页 |
| ·常用的纹理分类方法 | 第28-30页 |
| ·距离分类 | 第28页 |
| ·贝叶斯分类 | 第28-29页 |
| ·人工神经网络分类 | 第29-30页 |
| ·支持向量机 | 第30-37页 |
| ·支持向量机理论基础 | 第30-33页 |
| ·线性支持向量机 | 第33-35页 |
| ·非线性支持向量机 | 第35-37页 |
| ·支持向量机的特点 | 第37页 |
| ·本文分类方法 | 第37-38页 |
| ·实验结果 | 第38-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 攻读硕士学位期间发表学术论文情况 | 第43-44页 |
| 致谢 | 第44-45页 |