| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 论文主要工作及章节安排 | 第11-13页 |
| 第二章 基于 PCA/ICA 的图像特征提取算法 | 第13-33页 |
| 2.1 引言 | 第13页 |
| 2.2 基于 PCA 的图像特征提取算法 | 第13-22页 |
| 2.2.1 PCA | 第13-16页 |
| 2.2.2 Wavelet PCA | 第16-18页 |
| 2.2.3 2DPCA | 第18-19页 |
| 2.2.4 仿真实验 | 第19-22页 |
| 2.3 基于 ICA 的图像特征提取算法 | 第22-31页 |
| 2.3.1 ICA | 第22-27页 |
| 2.3.2 Subpattern-ICA | 第27-28页 |
| 2.3.3 仿真实验 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 基于 2DPCA 与 Wavelet PCA 的图像分块自适应特征提取算法 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 算法原理 | 第33-34页 |
| 3.3 算法步骤 | 第34-38页 |
| 3.4 仿真实验 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于粒子群优化的 ICA 图像特征提取算法 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 粒子群优化算法 | 第43-46页 |
| 4.2.1 粒子群优化的基本原理 | 第43-45页 |
| 4.2.2 粒子群优化图像特征提取算法 | 第45-46页 |
| 4.3 基于粒子群优化的 ICA 图像特征提取算法 | 第46-50页 |
| 4.3.1 算法原理 | 第46-48页 |
| 4.3.2 算法步骤 | 第48-50页 |
| 4.4 仿真实验 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 作者在读研期间主要的科研工作 | 第65-66页 |
