| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·选题背景和研究目的 | 第11-12页 |
| ·纹理识别概述 | 第12-16页 |
| ·纹理的定义 | 第12-13页 |
| ·纹理识别的研究内容 | 第13-14页 |
| ·纹理识别的研究现状 | 第14-16页 |
| ·本文主要研究内容 | 第16-17页 |
| ·本文章节安排 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第二章 纹理识别方法综述 | 第18-28页 |
| ·引言 | 第18页 |
| ·纹理特征提取 | 第18-22页 |
| ·小波变换简介 | 第19-20页 |
| ·塔形分解算法 | 第20页 |
| ·树形结构小波分解算法 | 第20-22页 |
| ·分类器 | 第22-23页 |
| ·概率神经网络 | 第23-27页 |
| ·贝叶斯决策理论 | 第23-25页 |
| ·概率神经网络结构 | 第25-26页 |
| ·概率神经网络的特点及应用 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 进化概率神经网络及其在纹理图像识别中的应用 | 第28-37页 |
| ·进化概率神经网络 | 第28-32页 |
| ·差异进化简介 | 第29页 |
| ·差异进化算法 | 第29-31页 |
| ·用差异进化算法优化基本概率神经网络的平滑参数 | 第31-32页 |
| ·纹理特征提取 | 第32-33页 |
| ·利用树形结构小波包分解提取纹理图像的能量特征 | 第32页 |
| ·利用基于统计的方法提取纹理图像的统计特征 | 第32-33页 |
| ·进化概率神经网络在纹理图像识别中的应用 | 第33-34页 |
| ·纹理识别实验及结果分析 | 第34-36页 |
| ·纹理识别实验 | 第34-36页 |
| ·实验结果分析 | 第36页 |
| ·本章小结 | 第36-37页 |
| 第四章 双进化概率神经网络及其在纹理图像识别中的应用 | 第37-44页 |
| ·双进化概率神经网络 | 第37-38页 |
| ·衡量特征明显的指标 | 第38-40页 |
| ·实验方法 | 第38-39页 |
| ·实验结果 | 第39-40页 |
| ·双进化概率神经网络在纹理识别中的应用实例 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·主要工作与创新点 | 第44-45页 |
| ·展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 致谢 | 第51-52页 |
| 附录 （攻读硕士学位期间发表论文目录） | 第52页 |