| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·纹理图像的基本概念和应用 | 第8-11页 |
| ·纹理图像分类的基本方法和研究背景 | 第11-14页 |
| ·特征提取 | 第11-12页 |
| ·分类算法 | 第12-14页 |
| ·论文的主要工作内容和内容安排 | 第14-16页 |
| 第二章 多尺度几何分析 | 第16-24页 |
| ·多尺度几何分析 | 第16-17页 |
| ·多尺度几何分析方法的发展 | 第17-18页 |
| ·Contourlet变换 | 第18-22页 |
| ·Contourlet变换的应用 | 第22-24页 |
| 第三章 统计学习理论和支持向量机 | 第24-32页 |
| ·理论背景 | 第24-25页 |
| ·统计学习理论的核心问题 | 第25-27页 |
| ·VC维 | 第25页 |
| ·推广性的界 | 第25-26页 |
| ·结构风险最小化 | 第26-27页 |
| ·支持向量机 | 第27-32页 |
| ·线性可分的最优分类面 | 第27-29页 |
| ·线性不可分的最优分类面 | 第29-30页 |
| ·支持向量机 | 第30-31页 |
| ·常用核函数 | 第31-32页 |
| 第四章 基于Contourlet广义高斯密度模型参数纹理图像分类的特征选择 | 第32-50页 |
| ·引言 | 第32-33页 |
| ·基于能量测度的子带特征提取 | 第33-34页 |
| ·广义高斯密度模型 | 第34-35页 |
| ·基于广义高斯密度模型和Contourlet特征提取 | 第35-45页 |
| ·基于广义高斯密度模型参数的特征 | 第35页 |
| ·纹理图像各分解子带系数的分布研究 | 第35-42页 |
| ·基于Contourlet变换和广义高斯模型参数的纹理图像特征选择 | 第42-45页 |
| ·实验及结果分析 | 第45-47页 |
| ·Contourlet分解层数选择对比实验 | 第46-47页 |
| ·均匀纹理图像 | 第46页 |
| ·非均匀纹理图像 | 第46-47页 |
| ·基于广义高斯密度模型参数特征的纹理图像分类 | 第47页 |
| ·均匀纹理图像 | 第47页 |
| ·非均匀纹理图像 | 第47页 |
| ·小结 | 第47-50页 |
| 第五章 基于Contourlet广义高斯密度模型参数和支持向量机的纹理图像分类 | 第50-62页 |
| ·引言 | 第50-51页 |
| ·最小二乘支持向量机 | 第51-52页 |
| ·快速稀疏逼近最小二乘支持向量机 | 第52-57页 |
| ·正则损失函数 | 第53-54页 |
| ·基于反向拟合的快速稀疏逼近 | 第54-57页 |
| ·核矩阵逆的迭代计算 | 第55-56页 |
| ·反向拟合策略 | 第56-57页 |
| ·实验及结果分析 | 第57-60页 |
| ·基于子带系数能量测度的纹理图像分类实验 | 第58-59页 |
| ·基于广义高斯密度模型参数的纹理图像分类 | 第59-60页 |
| ·实验结果分析 | 第60页 |
| ·小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 攻读硕士期间发表的论文 | 第74页 |
