| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 图像检索的概述 | 第10-11页 |
| 1.3 图像检索的评价 | 第11-13页 |
| 1.4 本文的研究内容与章节安排 | 第13-15页 |
| 第二章 结合PCNN与最大平均相关高度滤波算法畸变目标识别 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 基于PCNN和最小交叉熵的图像分割算法 | 第15-19页 |
| 2.2.1 脉冲耦合神经网络(PCNN)的基本理论 | 第15-17页 |
| 2.2.2 脉冲耦合神经网络的基本特性 | 第17-18页 |
| 2.2.3 基于PCNN和最小交叉熵的图像分割方法 | 第18-19页 |
| 2.3 最大平均相关高度滤波器算法(MACH) | 第19-20页 |
| 2.4 PCNN+MACH的畸变目标识别的实验结果与分析 | 第20-24页 |
| 2.4.1 系统畸变英文字母识别的仿真实验 | 第20-24页 |
| 2.4.2 参量a和b的取值对滤波器性能的影响 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 基于PCNN振荡图像势能时间序列的图像检索 | 第26-41页 |
| 3.1 图像势能的基本理论 | 第26-32页 |
| 3.1.1 图像势能的理论 | 第26-29页 |
| 3.1.2 图像势能理论的应用和意义 | 第29-30页 |
| 3.1.3 基于图像势能理论的交通标志区分的实验 | 第30-32页 |
| 3.2 基于PCNN图像势能时间序列的图像检索 | 第32-35页 |
| 3.3 实验仿真与结果分析 | 第35-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于感兴趣区域多特征融合的彩色图像检索 | 第41-60页 |
| 4.1 基于彩色图像能量理论的感兴趣区域提取 | 第41-43页 |
| 4.1.1 图像能量的理论 | 第41-42页 |
| 4.1.2 基于图像能量的感兴趣区域提取 | 第42-43页 |
| 4.2 基于HSV量化空间颜色特征提取 | 第43-49页 |
| 4.2.1 颜色的基本概念 | 第43-44页 |
| 4.2.2 彩色图像的颜色空间 | 第44-47页 |
| 4.2.3 基于HSV量化颜色空间的颜色特征提取 | 第47-49页 |
| 4.3 基于感兴趣区域颜色特征与图像势能序列的多特征融合的图像检索 | 第49-58页 |
| 4.3.1 多特征融合的图像检索流程及算法实现 | 第49-50页 |
| 4.3.2 实验仿真及结果分析 | 第50-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间取得的学术成果 | 第65-66页 |
| 致谢 | 第66页 |
