图像纹理特征表示方法研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·图像纹理特征研究现状 | 第12-16页 |
| ·图像纹理特征 | 第12-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·论文的主要工作 | 第16-19页 |
| 2 预备知识—图像表示理论 | 第19-41页 |
| ·基于时频分解的图像表示方法 | 第19-35页 |
| ·傅立叶分析 | 第21-23页 |
| ·Gabor变换 | 第23-28页 |
| ·Wavelet变换 | 第28-34页 |
| ·图像的稀疏表示 | 第34-35页 |
| ·图像的结构纹理表示 | 第35-36页 |
| ·图像纹理测度 | 第36-41页 |
| 3 纹理的周期性特征表示 | 第41-61页 |
| ·背景 | 第41-43页 |
| ·函数傅立叶变换性质 | 第43-46页 |
| ·纹理周期性特征度量 | 第46-51页 |
| ·基本原理 | 第46-48页 |
| ·刻画机织布周期性特征的参数 | 第48-51页 |
| ·特征参数在机织布结构自动识别中的应用 | 第51-59页 |
| ·背景介绍 | 第51-52页 |
| ·织物图像倾斜纠正 | 第52-53页 |
| ·识别不同布料的参数计算 | 第53-54页 |
| ·浮长的计算 | 第54-55页 |
| ·算法步骤 | 第55-56页 |
| ·实验结果 | 第56-59页 |
| ·本章小结 | 第59-61页 |
| 4 纹理的方向性特征表示 | 第61-87页 |
| ·背景 | 第61-63页 |
| ·纹理方向性强弱度量方法 | 第63-70页 |
| ·算法思想 | 第63-64页 |
| ·算法有效性分析 | 第64-65页 |
| ·实验结果 | 第65-70页 |
| ·方向性特征提取的Gabor滤波器模型 | 第70-76页 |
| ·基于Gabor滤波器的纹理方向性检测 | 第70-71页 |
| ·时域上提取图像特征的方法 | 第71-73页 |
| ·频域上提取图像特征的方法 | 第73-76页 |
| ·新方法在竹节纱提取中的应用 | 第76-84页 |
| ·背景 | 第76-77页 |
| ·选择时域上的最优Gabor滤波器提取竹节纱 | 第77-78页 |
| ·设计频域上的最优Gabor滤波器提取竹节纱 | 第78-80页 |
| ·两种方法与前人方法的对比 | 第80-84页 |
| ·指纹图像局部纹线增强 | 第84-86页 |
| ·背景 | 第84页 |
| ·Oabor滤波器设计 | 第84-85页 |
| ·实验结果及分析 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 5 周期性纹理图像上的突变特征表示 | 第87-102页 |
| ·背景 | 第87页 |
| ·奇性分析与突变特征检测 | 第87-92页 |
| ·函数的奇性分析 | 第87-90页 |
| ·小波变换模极大值与突变特征检测 | 第90-92页 |
| ·自适应小波构造方法 | 第92-98页 |
| ·目标函数的数学解释 | 第92-94页 |
| ·图像的小波多尺度分解 | 第94页 |
| ·自适应小波构造模型 | 第94-96页 |
| ·模型的求解 | 第96-97页 |
| ·实验结果及分析 | 第97-98页 |
| ·应用 | 第98-100页 |
| ·织物图像疵点检测 | 第98-99页 |
| ·实验结果及分析 | 第99-100页 |
| ·本章小结 | 第100-102页 |
| 结论 | 第102-105页 |
| 参考文献 | 第105-114页 |
| 创新点摘要 | 第114-115页 |
| 攻读博士学位期间发表学术论文情况 | 第115-116页 |
| 致谢 | 第116-117页 |
