2。1 纹理图像分析概述 4

2。1。1 纹理的定义分类和纹理特征 4

2。1。2 基于小波变换的纹理分类 4

2。2 纹理分析技术 5

2。2。1 纹理分析技术的内容 5

2。2。2 纹理分析技术的方法 5

2。3 纹理分析的应用领域和发展前景 7

2。4 本章小结 7

3纹理特征的提取 9

3。1 纹理特征提取的概念 9

3。2 灰度-梯度共生矩阵 9

3。2。1 灰度-梯度共生矩阵的定义 9

3。2。2 灰度-梯度共生矩阵的纹理参数计算 。。

3。2。3 与图像粗糙度相关 。。

3。3 Tamura 纹理特征法 。

3。3。1 Tamura 纹理特征法算法分析。

3。3。2 与图像粗糙度相关。

3。4 自相关函数法。

3。4。1 自相关函数法算法分析 。。

3。4。2 与图像粗糙度相关 。。

3。5 基于距离的边缘频率法

3。5。1 基于距离的边缘频率法算法分析 。。

3。5。2 与图像粗糙度相关 

3。6 本章小结。

噪声对图像粗糙度的影响实验分析 。。

4。1 高斯噪声。

第 II页 本科毕业设计说明书

4。2 脉冲噪声 23

4。3 随机噪声 23

4。4 乘性噪声 24

4。5 本章小结 25

5 实验数据回归分析 26

5。1 实验地点与实验设备 26

5。2 海面粗糙度的确定 27

5。3 海面粗糙度实验结果分析 27

5。3。1 LSSVM 回归模型法 27

5。3。2 灰度-梯度共生矩阵法 29

5。3。3 Tamura 纹理特征法 30

5。4 拟合结果分析 31

5。5 本章小结 32

思考与总结