| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 课题研究的背景与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文内容及组织安排 | 第15-17页 |
| 1.3.1 论文研究内容 | 第15页 |
| 1.3.2 论文组织结构安排 | 第15-17页 |
| 第二章 基于粒子群算法优化参数的PCNN图像检索 | 第17-25页 |
| 2.1 引言 | 第17页 |
| 2.2 PCNN基本理论 | 第17-19页 |
| 2.2.1 基本PCNN模型及原理 | 第17-19页 |
| 2.2.2 PCNN简化模型ICM模型及原理 | 第19页 |
| 2.3 基于粒子群算法的参数优化 | 第19-22页 |
| 2.3.1 粒子群算法化模型及原理 | 第19-20页 |
| 2.3.2 基于粒子群算法的参数优化 | 第20-21页 |
| 2.3.3 参数优化的PCNN图像检索 | 第21-22页 |
| 2.4 实验结果及分析 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于PCNN的图像相对密度分布序列 | 第25-36页 |
| 3.1 相对像素密度分布的理论及应用 | 第25-29页 |
| 3.1.1 相对像素密度分布的理论 | 第25-27页 |
| 3.1.2 基于密度分布特征理论的二值图像检索 | 第27-29页 |
| 3.2 基于PCNN图像相对密度序列的特征提取 | 第29-31页 |
| 3.3 实验结果及分析 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于颜色特征和相对密度序列的图像检索 | 第36-48页 |
| 4.1 基于IHS空间的颜色特征提取 | 第36-39页 |
| 4.2 基于颜色纹理特征和优化参数的图像检索流程及实现 | 第39-40页 |
| 4.3 实验结果及分析 | 第40-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 基于图像序列特征的分类方法 | 第48-54页 |
| 5.1 基于度量中心点漂移距离的图像分类 | 第48-50页 |
| 5.2 中心点自动更新的图像分类算法实现 | 第50-51页 |
| 5.3 实验及结果分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 基于多特征及分类方法的检索实验 | 第54-68页 |
| 6.1 实验仿真环境 | 第54页 |
| 6.2 实验结果 | 第54-64页 |
| 6.3 实验分析 | 第64-66页 |
| 6.4 本章小结 | 第66-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 总结 | 第68-69页 |
| 7.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 作者在学期间取得的学术成果 | 第76页 |