| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 纹理分割研究的背景和意义 | 第7-8页 |
| 1.2 纹理分割研究现状 | 第8-10页 |
| 1.3 本文所做研究 | 第10-12页 |
| 第2章 独立成分分析(ICA)的理论基础 | 第12-26页 |
| 2.1 独立成分分析的数学基础 | 第12-22页 |
| 2.1.1 独立成分分析模型 | 第12-15页 |
| 2.1.2 独立性和不相关性 | 第15-16页 |
| 2.1.3 高斯分布的特性 | 第16-17页 |
| 2.1.4 随机变量的高级统计特性 | 第17-19页 |
| 2.1.5 数据的预处理 | 第19-22页 |
| 2.2 ICA算法的实现 | 第22-26页 |
| 2.2.1 负熵近似法 | 第23页 |
| 2.2.2 峰度估计法 | 第23-24页 |
| 2.2.3 定点快速ICA算法 | 第24-26页 |
| 第3章 基于ICA的图像纹理基元表征 | 第26-34页 |
| 3.1 图像纹理基元 | 第26-28页 |
| 3.2 基于ICA纹理基元的图像纹理表征 | 第28-32页 |
| 3.2.1 图像纹理特征 | 第28-29页 |
| 3.2.2 纹理图像的纹理基元表征可行性 | 第29-31页 |
| 3.2.3 纹理图像块的纹理基元表征方法 | 第31-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 基于ICA的纹理特征提取和纹理分割 | 第34-62页 |
| 4.1 基于小波和ICA的纹理分割 | 第34-47页 |
| 4.1.1 ICA纹理分割 | 第34-41页 |
| 4.1.2 基于小波和ICA的纹理分割 | 第41-47页 |
| 4.2 基于多尺度独立成分分析(MICA)的纹理分割 | 第47-57页 |
| 4.2.1 纹理图像的多空间频率特性 | 第48-49页 |
| 4.2.2 ICA纹理分析自身的局限性 | 第49-51页 |
| 4.2.3 构建多尺度独立成分分析纹理基元组 | 第51-54页 |
| 4.2.4 实验结果与分析 | 第54-57页 |
| 4.3 基于能量守恒MICA的纹理分割 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 基于ICA的多纹理特征降维处理 | 第62-74页 |
| 5.1 ICA特征降维和PCA特征降维 | 第62-68页 |
| 5.1.1 数据特征降维分析概述 | 第62-63页 |
| 5.1.2 PCA特征降维 | 第63-64页 |
| 5.1.3 ICA特征降维 | 第64-65页 |
| 5.1.4 ICA特征降维和PCA特征降维的关系 | 第65-68页 |
| 5.2 基于ICA的log-gabor滤波特征降维 | 第68-71页 |
| 5.3 实验结果与分析 | 第71-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第6章 结束语 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士期间发表的论文: | 第82页 |