| 第一章 绪论 | 第1-9页 |
| 1．1 研究背景 | 第7-8页 |
| 1．2 研究内容 | 第8-9页 |
| 第二章 基于内容的图像检索简介 | 第9-18页 |
| 2．1 图像检索问题及其研究概况 | 第9-12页 |
| 2．2 纹理特征的提取 | 第12-14页 |
| 2．2．1 纹理分析 | 第12-13页 |
| 2．2．2 图像纹理特征的提取方法 | 第13-14页 |
| 2．3 常用的相似性度量的方法 | 第14-15页 |
| 2．4 图像检索的有效性 | 第15-16页 |
| 2．5 国内外的相关研究 | 第16-17页 |
| 2．6 本章小结 | 第17-18页 |
| 第三章 脉冲耦合神经网络的原理及特性 | 第18-25页 |
| 3．1 人工神经网络概述 | 第18页 |
| 3．2 脉冲耦合神经网络的结构模型 | 第18-20页 |
| 3．3 脉冲耦合神经网络的工作原理 | 第20-22页 |
| 3．3．1 单个神经元的运行行为 | 第20-21页 |
| 3．3．2 神经元的集体运行行为 | 第21-22页 |
| 3．4 脉冲耦合神经网络的基本特性 | 第22-24页 |
| 3．5 本章小结 | 第24-25页 |
| 第四章 基于小波纹理特征的脉冲耦合神经网络图像检索算法 | 第25-34页 |
| 4．1 算法的提出 | 第25-26页 |
| 4．2 基于Gabor小波特征向量的提取 | 第26-29页 |
| 4．2．1 Gabor变换 | 第26-27页 |
| 4．2．2 Gabor小波变换 | 第27-28页 |
| 4．2．3 纹理特征的描述 | 第28-29页 |
| 4．3 基于PENN的特征聚类与分类 | 第29-31页 |
| 4．3．1 基于PCNN的特征聚类 | 第29-30页 |
| 4．3．2 基于PCNN的特征分类 | 第30-31页 |
| 4．4 结合脉冲耦合神经网络聚类分类的检索方法 | 第31-33页 |
| 4．5 本章小结 | 第33-34页 |
| 第五章 实验结果与分析 | 第34-42页 |
| 5．1 检索精度的比较 | 第34-40页 |
| 5．2 检索实时性的比较 | 第40-41页 |
| 5．3 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-45页 |
| 6．1 总结 | 第42页 |
| 6．2 未来工作的探索 | 第42-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 在读期间的研究成果 | 第49页 |