| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题目的及意义 | 第9-10页 |
| ·国内外研究热点及现状 | 第10-11页 |
| ·本文的课题来源和主要工作 | 第11-13页 |
| 第二章 特征捆绑 | 第13-27页 |
| ·特征捆绑概述 | 第13-14页 |
| ·特征捆绑机制的认知理论 | 第14-23页 |
| ·绑定的特征整合理论 | 第14-16页 |
| ·绑定的双阶段理论 | 第16-17页 |
| ·位置的不确定理论 | 第17-19页 |
| ·多阶段整合理论 | 第19-21页 |
| ·特征绑定的神经元同步振荡理论 | 第21-23页 |
| ·特征捆绑的认知模型 | 第23-27页 |
| ·特征绑定的神经网络模型 | 第23-25页 |
| ·Bayesian Linking Field模型 | 第25-27页 |
| 第三章 脉冲耦合神经网络PCNN | 第27-43页 |
| ·PCNN模型概述 | 第27-33页 |
| ·生物神经元 | 第27-28页 |
| ·神经元电信号发放的原理 | 第28-29页 |
| ·脉冲耦合神经元模型 | 第29-31页 |
| ·PCNN模型的特点 | 第31-33页 |
| ·PCNN模型的应用 | 第33-36页 |
| ·PCNN应用于图像边缘检测 | 第34-35页 |
| ·PCNN应用于图像分割 | 第35页 |
| ·PCNN应用于特征捆绑的可行性分析 | 第35-36页 |
| ·基于强度的PCNN模型 | 第36-39页 |
| ·神经元的脉冲发放强度 | 第36-37页 |
| ·基于强度的PCNN模型结构 | 第37-38页 |
| ·与传统PCNN模型的比较 | 第38-39页 |
| ·基于强度的PCNN应用于特征捆绑 | 第39-42页 |
| ·脉冲发放强度表示图像特征 | 第39-41页 |
| ·图像形状和颜色特征的捆绑 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 特征捆绑仿真实验 | 第43-61页 |
| ·实验工具选取 | 第43页 |
| ·实验过程介绍 | 第43-44页 |
| ·核心算法实现 | 第44-47页 |
| ·基于强度的PCNN模型在MATLAB中的算法实现 | 第44-46页 |
| ·脉冲发放总强度的算法实现 | 第46-47页 |
| ·算法中调用的MATLAB函数介绍 | 第47页 |
| ·特征捆绑实验设计 | 第47-58页 |
| ·图像特征的脉冲发放强度表示 | 第47-52页 |
| ·特征捆绑的脉冲发放强度表示 | 第52-53页 |
| ·特征捆绑实验图像选取 | 第53-55页 |
| ·特征表示实验及结果 | 第55-56页 |
| ·特征捆绑实验及结果 | 第56-58页 |
| ·实验结果分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 结论与展望 | 第61-63页 |
| ·主要工作及所得结论 | 第61页 |
| ·研究方向展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |