第1章 基于計(jì)算機(jī)圖像處理技術(shù)木材表面紋理分類識別研究現(xiàn)狀
1．1 計(jì)算機(jī)數(shù)字圖像處理及其在木材科學(xué)領(lǐng)域的研究現(xiàn)狀
1．1．1 計(jì)算機(jī)數(shù)字圖像處理概述
1．1．2 計(jì)算機(jī)數(shù)字圖像處理主要內(nèi)容及其在木材科學(xué)領(lǐng)域的應(yīng)用
1．2 計(jì)算機(jī)數(shù)字圖像處理技術(shù)中的紋理分析研究現(xiàn)狀
1．2．1 紋理的定義
1．2．2 紋理的研究方向
1．2．3 紋理的應(yīng)用領(lǐng)域
1．3 木材表面紋理分類識別研究意義
1．4 木材表面紋理特征提取分析的常用方法及其研究現(xiàn)狀
1．4．1 紋理的數(shù)學(xué)描述
1．4．2 統(tǒng)計(jì)分析法
1．4．3 結(jié)構(gòu)分析法
1．4．4 模型分析法
1．4．5 基于頻譜分析的方法
1．4．6 其他紋理分析方法
1．5 木材表面紋理分類的常用模式識別方法及其研究現(xiàn)狀
1．5．1 模式和模式識別的概念
1．5．2 模式識別系統(tǒng)
1．5．3 模式識別方法
1．6 木材表面紋理樣本庫及其紋理特征
1．6．1 木材表面紋理樣本庫
1．6．2 木材表面紋理特點(diǎn)
第2章 基于計(jì)算機(jī)圖像紋理特征木材表面紋理的分類與識別
2．1 常用模式識別方法概述
2．1．1 最近鄰決策法
2．1．2 特征選擇
2．1．3 模擬退火算法
2．1．4 基于模擬退火算法與最近鄰分類器識別率的特征選擇方法（SNFS）
2．1．5 遺傳算法
2．1．6 基于遺傳算法與最近鄰分類器的特征選擇方法(GNFS）
2．1．7 人工神經(jīng)網(wǎng)絡(luò)概述
2．1．8 BP神經(jīng)網(wǎng)絡(luò)分類器
2．1．9 概率神經(jīng)網(wǎng)絡(luò)分類器
2．2 基于灰度共生矩陣特征木材表面紋理的分類與識別
2．2．1 灰度共生矩陣
2．2．2 適于描述木材表面紋理構(gòu)造因子生成步長d的確定
2．2．3 適于描述木材表面紋理構(gòu)造因子圖像灰度級g的確定
2．2．4 適于描述木材表面紋理構(gòu)造因子生成方向璧娜范¨
2．2．5 木材表面紋理灰度共生矩陣特征參數(shù)的提取
2．2．6 基于參數(shù)間相關(guān)性分析木材表面紋理的分類識別
2．2．7 基于主分量分析(PCA）木材表面紋理的分類與識別
2．2．8 基于SNFS算法木材表面紋理的分類與識別
2．3 基于高斯-馬爾可夫隨機(jī)場(GMRF）木材表面紋理的分類與識別
2．3．1 馬爾可夫隨機(jī)場
2．3．2 高斯-馬爾可夫(GMRF）隨機(jī)場模型及其參數(shù)估計(jì)
2．3．3 基于高斯-馬爾可夫隨機(jī)場木材表面紋理特征的獲取
2．3．4 基于GMRF木材表面紋理的分類與識別
2．4 基于小波變換分形維特征木材表面紋理的分類與識別
2．4．1 小波分析
2．4．2 計(jì)算機(jī)圖像小波變換算法
2．4．3 小波基和分解層數(shù)的確定
2．4．4 木材表面紋理的分形特征分析
2．4．5 木材表面紋理的小波變換分形維數(shù)特征的提取
2．4．6 基于小波變換分形維木材表面紋理的分類與識別
2．5 基于多種特征融合技術(shù)木材表面紋理的分類與識別
2．5．1 多種特征數(shù)據(jù)融合概念
2．5．2 多特征融合木材表面紋理的分類與識別
2．6 木材表面紋理特征提取與分析MATLAB程序設(shè)計(jì)
2．6．1 計(jì)算機(jī)圖像灰度共生矩陣紋理分析程序設(shè)計(jì)
2．6．2 計(jì)算機(jī)圖像高斯-馬爾可夫隨機(jī)場紋理特征分析程序設(shè)計(jì)
2．6．3 計(jì)算機(jī)圖像小波變換多分辨率分形維紋理特征分析程序設(shè)計(jì)
第3章 木材表面紋理分類識別研究的新進(jìn)展
3．1 基于彩色圖像分析木材表面紋理分類識別研究
3．2 基于高光譜成像技術(shù)的木材表面紋理分類識別研究
參考文獻(xiàn)