| 中文摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 中文文摘 | 第6-13页 |
| 绪论 | 第13-25页 |
| 第一节 引言 | 第13-14页 |
| 第二节 研究背景与意义 | 第14-17页 |
| 第三节 相关研究领域的发展历程与现状 | 第17-23页 |
| 第四节 论文的主要内容和章节安排 | 第23-25页 |
| 第一章 基本理论 | 第25-47页 |
| 第一节 神经元和神经网络 | 第25-29页 |
| 第二节 脉冲神经元网络的原理、模型以及学习机制 | 第29-32页 |
| 第三节 卷积神经网络 | 第32-42页 |
| 第四节 纹理分析的常用方法 | 第42-47页 |
| 第二章 基于脉冲神经元网络SNN-FWT的纹理分类研究 | 第47-71页 |
| 第一节 引言 | 第47-48页 |
| 第二节 小波变换理论 | 第48-53页 |
| 第三节 卷积神经网络和小波变换的关系 | 第53-54页 |
| 第四节 基于脉冲神经元网络SNN-FWT实现小波变换 | 第54-63页 |
| 第五节 基于脉冲神经元网络SNN-IWT实现图像重建 | 第63-65页 |
| 第六节 基于脉冲神经元网络SNN-FWT进行纹理分类 | 第65-70页 |
| 第七节 本章小结 | 第70-71页 |
| 第三章 基于脉冲神经元网络SNN-GLCM的纹理识别研究 | 第71-91页 |
| 第一节 引言 | 第71-72页 |
| 第二节 灰度共生矩阵理论 | 第72-77页 |
| 第三节 纹理分类分割算法 | 第77-79页 |
| 第四节 基于GLCM理论构建脉冲神经元网络SNN-GLCM | 第79-82页 |
| 第五节 基于脉冲神经元网络SNN-GLCM实现纹理分类分割 | 第82-88页 |
| 第六节 本章小结 | 第88-91页 |
| 第四章 脉冲神经元网络纹理分类技术的应用 | 第91-109页 |
| 第一节 引言 | 第91页 |
| 第二节 具有纹理特征的纽扣识别 | 第91-97页 |
| 第三节 基于脉冲神经元网络算法的便携式导盲仪的开发与测试 | 第97-108页 |
| 第四节 本章小结 | 第108-109页 |
| 第五章 结论 | 第109-111页 |
| 第一节 全文总结 | 第109-110页 |
| 第二节 工作展望 | 第110-111页 |
| 参考文献 | 第111-121页 |
| 攻读学位期间承担的科研任务与主要成果 | 第121-123页 |
| 致谢 | 第123-125页 |
| 个人简历 | 第125-128页 |
