基于纹理特征的图像分类研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·国内外现状 | 第12-14页 |
| ·论文的组织结构 | 第14-15页 |
| 2 基于内容的检索技术 | 第15-23页 |
| ·检索现状 | 第15-16页 |
| ·CBIR 的主要特点 | 第16-17页 |
| ·CBIR 的主要方式和系统结构 | 第17-18页 |
| ·图像视觉特征 | 第18-22页 |
| ·颜色特征 | 第18-19页 |
| ·形状特征 | 第19-20页 |
| ·纹理特征 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 3 纹理特征提取 | 第23-34页 |
| ·Tamura 纹理特征提取 | 第23-26页 |
| ·基于小波变换的纹理特征提取 | 第26-28页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第28-34页 |
| ·灰度共生矩阵介绍 | 第28-30页 |
| ·影响算法的因子 | 第30-31页 |
| ·灰度共生矩阵的特征参数 | 第31-34页 |
| 4 图像分类方法 | 第34-43页 |
| ·决策树分类法 | 第34-36页 |
| ·支持向量机 | 第36-37页 |
| ·BP 神经网络 | 第37-38页 |
| ·遗传算法 | 第38页 |
| ·Boosting 算法 | 第38-39页 |
| ·聚类算法 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 5 生成灰度共生矩阵算法改进 | 第43-50页 |
| ·Apriori 算法 | 第43-45页 |
| ·生成灰度共生矩阵算法改进 | 第45-50页 |
| 6 仿真与实验 | 第50-63页 |
| ·纹理图像分割流程图 | 第50-51页 |
| ·生成灰度共生矩阵实验 | 第51-54页 |
| ·混合纹理分割实验 | 第54-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 附录A 附录内容名称 | 第66-67页 |
| 作者简历 | 第67-69页 |
| 学位论文数据集 | 第69-70页 |
