| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·纹理概述 | 第10-13页 |
| ·纹理的定义 | 第10-12页 |
| ·纹理分析方法 | 第12-13页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·论文结构安排 | 第15-17页 |
| 第2章 经验模式分解的基本原理 | 第17-28页 |
| ·一维经验模式分解（EMD） | 第17-21页 |
| ·瞬时频率的计算 | 第17-19页 |
| ·固有模态函数 | 第19-20页 |
| ·EMD 方法：筛分过程 | 第20-21页 |
| ·二维经验模式分解（BEMD） | 第21-24页 |
| ·传统 BEMD 分解算法 | 第22-23页 |
| ·传统 BEMD 图像分解实例 | 第23-24页 |
| ·两种改进的 BEMD 方法 | 第24-27页 |
| ·方向经验模式分解（DEMD） | 第24-26页 |
| ·窗口经验模式分解（WEMD） | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第3章 二维 EMD 方法的改进 | 第28-40页 |
| ·二维 EMD 分解过程中几个问题的讨论 | 第28-34页 |
| ·局部极值点的选取方法 | 第28-30页 |
| ·插值方法的选取 | 第30-31页 |
| ·边界效应的处理 | 第31-33页 |
| ·SD 停止准则 | 第33页 |
| ·BEMD 分解停止准则 | 第33-34页 |
| ·改进型二维 EMD 方法 | 第34-36页 |
| ·图像分解实例分析 | 第36-39页 |
| ·Lena 图像的 3 层分解 | 第36-37页 |
| ·Cameraman 图像的 4 层分解 | 第37-39页 |
| ·本章小节 | 第39-40页 |
| 第4章 基于改进型二维 EMD 的纹理图像分类 | 第40-52页 |
| ·基于 GLCM 的纹理图像特征提取 | 第40-48页 |
| ·灰度共生矩阵（GLCM） | 第40-44页 |
| ·纹理图像特征提取 | 第44-45页 |
| ·基于改进型二维 EMD 的纹理图像特征提取 | 第45-48页 |
| ·最小距离分类器（MDC） | 第48页 |
| ·基于 MDC 和改进型二维 EMD 的纹理图像分类 | 第48-50页 |
| ·基于二维 EMD 的纹理图像分类改进方法 | 第50页 |
| ·本章小节 | 第50-52页 |
| 第5章 改进型二维 EMD 方法在图像处理中的其他应用 | 第52-61页 |
| ·基于二维 EMD 的图像边缘检测 | 第52-55页 |
| ·基于二维 EMD 的图像增强 | 第55-60页 |
| ·基于改进型二维 EMD 的灰度线性变换图像增强 | 第56-58页 |
| ·基于改进型二维 EMD 的直方图均衡图像增强 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的文章和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |