| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 彩色图像分割方法简述 | 第7-16页 |
| ·图像分割简述 | 第7-8页 |
| ·传统的彩色图像分割方法 | 第8-11页 |
| ·阈值法 | 第8-9页 |
| ·基于区域的方法 | 第9-10页 |
| ·边缘检测方法 | 第10-11页 |
| ·人工神经网络方法在彩色图像分割中的应用 | 第11-14页 |
| ·反向传播网络 | 第12页 |
| ·Hopfield神经网络 | 第12-13页 |
| ·SOM神经网络 | 第13页 |
| ·ART神经网络 | 第13-14页 |
| ·本文研究内容 | 第14页 |
| ·章节安排 | 第14-16页 |
| 第二章 自组织神经网络在彩色图像分割中的应用 | 第16-26页 |
| ·颜色空间模型 | 第16-17页 |
| ·自组织神经网络概述 | 第17-18页 |
| ·学习规则 | 第18页 |
| ·SOM网络模型结构 | 第18-20页 |
| ·SOM神经网络学习算法 | 第20-21页 |
| ·实验结果验证及分析 | 第21-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于模拟退火的SOM神经网络(SAKSOM)在彩色图像分割中的应用 | 第26-34页 |
| ·SAKSOM算法的提出 | 第26-28页 |
| ·模拟退火算法 | 第27-28页 |
| ·K均值算法 | 第28页 |
| ·SAKSOM算法 | 第28-29页 |
| ·实验结果验证及分析 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 分层自增长SOM神经网络(GHSOM)在彩色图像分割中的应用 | 第34-45页 |
| ·GHSOM简介 | 第34-35页 |
| ·GHSOM模型结构 | 第35-37页 |
| ·GSOM | 第36页 |
| ·HSOM | 第36-37页 |
| ·GHSOM算法 | 第37-38页 |
| ·实验验证及结果分析 | 第38-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| ·本文总结 | 第45-46页 |
| ·发展展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第50页 |