| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题来源及研究的目的和意义 | 第8-9页 |
| ·国内外在该方向的研究现状 | 第9-12页 |
| ·纹理分析的主要任务 | 第9页 |
| ·纹理分割及其主要方法 | 第9-11页 |
| ·纹理分割的发展趋势 | 第11-12页 |
| ·课题研究内容与章节安排 | 第12-14页 |
| 第二章 图像的纹理特征 | 第14-20页 |
| ·纹理的定义 | 第14页 |
| ·纹理的描述和分析方法 | 第14-15页 |
| ·特征提取方法 | 第14-15页 |
| ·分类器 | 第15页 |
| ·纹理特征 | 第15-18页 |
| ·灰度共生矩阵 | 第15-16页 |
| ·Tamura纹理特征 | 第16-17页 |
| ·自回归纹理模型 | 第17-18页 |
| ·纹理在图像处理中的应用 | 第18-20页 |
| 第三章 图像的边缘检测和阈值分割 | 第20-28页 |
| ·基于边缘的图像分割方法 | 第20-22页 |
| ·微分算子法 | 第20-22页 |
| ·边缘连接 | 第22页 |
| ·图像的阈值分割法 | 第22-28页 |
| ·直方图分割法 | 第22-23页 |
| ·基于灰度期望值的阈值分割 | 第23-24页 |
| ·最大类间方差阈值分割 | 第24-25页 |
| ·最大嫡阈值分割 | 第25-26页 |
| ·迭代分割法 | 第26-27页 |
| ·实验结果比较 | 第27-28页 |
| 第四章 基于Gabor小波变换的纹理特征提取 | 第28-42页 |
| ·小波变换 | 第28-29页 |
| ·2DGabor函数 | 第29-31页 |
| ·Gabor小波函数 | 第31-33页 |
| ·Gabor滤波器组 | 第33-39页 |
| ·基于Gabor滤波器组的图像展开 | 第33-34页 |
| ·Gabor滤波器组选择原则 | 第34页 |
| ·Gabor滤波器的性质 | 第34-35页 |
| ·多通道Gabor滤波器的设计 | 第35-38页 |
| ·Gabor滤波器标准差σ_u和σ_v的推导 | 第38-39页 |
| ·图像纹理特征的描述 | 第39页 |
| ·用于特征提取的2DGabor小波 | 第39-42页 |
| 第五章 基于Gabor变换的AdaBoost降维方法 | 第42-46页 |
| ·Boosting重采样技术 | 第42页 |
| ·AdaBoost分类方法 | 第42-44页 |
| ·弱分类器 | 第43页 |
| ·强分类器构造 | 第43-44页 |
| ·AdaBoost在Gabor特征降维中的应用 | 第44-45页 |
| ·实验结果及分析 | 第45-46页 |
| 第六章 纹理分类 | 第46-60页 |
| ·基于BP神经网络的纹理分类 | 第46-49页 |
| ·BP神经网络结构及BP学习算法 | 第46-47页 |
| ·BP算法的基本思想及实现 | 第47-49页 |
| ·基于支持向量机的纹理分类 | 第49-53页 |
| ·支持向量机概论 | 第49-50页 |
| ·线性可分条件下支持向量机的最优分类面 | 第50-51页 |
| ·线性不可分条件下支持向量机的最优分类面 | 第51-53页 |
| ·遗传算法 | 第53-55页 |
| ·实验结果及分析 | 第55-60页 |
| ·概述 | 第55页 |
| ·基于Gabor+AdaBoost+SVM农业害虫图像分割方法 | 第55-56页 |
| ·评估方法 | 第56-60页 |
| 第七章 总结与展望 | 第60-62页 |
| ·全文工作回顾 | 第60页 |
| ·下一步工作的展望展望 | 第60-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间发表的论文目录 | 第66页 |