| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 绪论 | 第13-23页 |
| ·研究背景与意义 | 第13-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·存在问题 | 第17-18页 |
| ·研究主要内容 | 第18-20页 |
| ·本文的章节安排 | 第20-23页 |
| 2 初级视皮层的神经机制及自然图像下的线性编码模型简述 | 第23-47页 |
| ·人类视觉系统 | 第23-31页 |
| ·视觉系统概述 | 第24-25页 |
| ·初级视皮层的神经机制 | 第25-31页 |
| ·自然图像的统计特性及其线性编码模型 | 第31-44页 |
| ·图像空间 | 第32-33页 |
| ·自然图像的定义 | 第33-35页 |
| ·自然图像的统计特性 | 第35-37页 |
| ·自然图像的线性生成模型 | 第37-44页 |
| ·小结 | 第44-47页 |
| 3 基于成对累计量的自然图像拓扑编码模型 | 第47-71页 |
| ·引言 | 第47-48页 |
| ·相关工作 | 第48-53页 |
| ·独立子空间模型 | 第48-50页 |
| ·拓扑独立分量分析模型 | 第50-52页 |
| ·复杂细胞汇聚模型 | 第52页 |
| ·快速独立子空间算法 | 第52-53页 |
| ·成对累计量独立分量分析模型 | 第53-56页 |
| ·快速不动点算法 | 第56-58页 |
| ·不动点算法理论分析 | 第58-62页 |
| ·收敛阶次 | 第58-59页 |
| ·PCICA-F算法的局部收敛性分析 | 第59-62页 |
| ·实验结果及分析 | 第62-67页 |
| ·收敛性分析 | 第63-64页 |
| ·自然图像基函数 | 第64-66页 |
| ·分量间高阶相关性的比较 | 第66-67页 |
| ·PCICA模型与ISA和TICA模型的不同 | 第67-70页 |
| ·小结 | 第70-71页 |
| 4 基于准正交假设的自然图像超完备拓扑编码模型 | 第71-87页 |
| ·引言 | 第71-72页 |
| ·相关工作 | 第72-74页 |
| ·学生乘积模型 | 第72-74页 |
| ·高维空间中的准正交现象 | 第74-75页 |
| ·自然图像超完备拓扑编码模型 | 第75-79页 |
| ·超完备的成对累计量独立分量分析模型 | 第76-78页 |
| ·OPCICA模型的快速不动点算法 | 第78-79页 |
| ·实验结果及分析 | 第79-84页 |
| ·算法收敛性分析 | 第80-81页 |
| ·自然图像超完备拓扑表示 | 第81-83页 |
| ·OPCICA中准正交处理的有效性 | 第83-84页 |
| ·小结 | 第84-87页 |
| 5 复杂细胞启发下的图像特征提取模型 | 第87-109页 |
| ·引言 | 第87-88页 |
| ·相关工作 | 第88-91页 |
| ·基于稀疏编码的特征提取方法 | 第88-89页 |
| ·基于独立分量分析的特征提取方法 | 第89-90页 |
| ·IPSD算法 | 第90页 |
| ·SIFT算法 | 第90-91页 |
| ·基于复杂细胞描述子的特征提取模型 | 第91-97页 |
| ·复杂细胞感受野和复杂细胞描述子 | 第91-93页 |
| ·提取图像块的复杂细胞特征 | 第93-96页 |
| ·基于ICC描述子的特征提取方法 | 第96-97页 |
| ·实验 | 第97-107页 |
| ·复杂细胞不变性 | 第97-98页 |
| ·Caltech-101目标识别 | 第98-100页 |
| ·MNIST手写体数字识别 | 第100-106页 |
| ·不同的汇聚方式比较 | 第106-107页 |
| ·小结 | 第107-109页 |
| 6 总结与展望 | 第109-113页 |
| ·全文工作总结 | 第109-110页 |
| ·今后工作展望 | 第110-113页 |
| 参考文献 | 第113-121页 |
| 作者简历 | 第121-124页 |
| 学位论文数据集 | 第124页 |