| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 表格目录 | 第12-13页 |
| 插图目录 | 第13-15页 |
| 第一章 绪论 | 第15-31页 |
| ·研究背景和意义 | 第15-16页 |
| ·初级视觉系统概述 | 第16-19页 |
| ·稀疏编码的数学描述 | 第19-21页 |
| ·稀疏编码的研究历史 | 第21-22页 |
| ·稀疏编码的研究现状及存在问题 | 第22-24页 |
| ·本文的内容安排 | 第24-25页 |
| ·本文主要创新点 | 第25-27页 |
| 参考文献 | 第27-31页 |
| 第二章 主视皮层V1区神经元的建模和自然图像的神经稀疏编码 | 第31-45页 |
| ·主视皮层V1区神经元的建模 | 第31-33页 |
| ·自然图像的神经稀疏编码 | 第33-37页 |
| ·自然图像的概念及其状态空间 | 第33页 |
| ·自然图像的线性稀疏编码 | 第33-36页 |
| ·稀疏编码与ICA的关系 | 第36-37页 |
| ·基础预备知识 | 第37-42页 |
| ·独立和不相关的概念 | 第37-38页 |
| ·高阶特性 | 第38-39页 |
| ·峭度 | 第39-40页 |
| ·中心化和PCA预白化 | 第40-42页 |
| ·中心化(去均值) | 第40-41页 |
| ·PCA预白化 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 第三章 基于峭度稀疏性度量准则的稀疏编码及应用 | 第45-73页 |
| ·引言 | 第45-46页 |
| ·标准稀疏编码算法 | 第46-48页 |
| ·基于峭度稀疏性测度的稀疏编码算法 | 第48-54页 |
| ·目标函数的建模 | 第49-50页 |
| ·使用Gabor小波基初始化基函数 | 第50-53页 |
| ·学习规则 | 第53-54页 |
| ·基于SC的图像特征提取 | 第54-63页 |
| ·问题的提出 | 第55页 |
| ·图像数据的分块预处理 | 第55-56页 |
| ·模拟实验结果和相关讨论 | 第56-63页 |
| ·应用条纹图像模拟幼猫实验 | 第56-58页 |
| ·特定稀疏像素图像的特征提取 | 第58-59页 |
| ·自然图像的特征提取 | 第59-61页 |
| ·自然图像的重构 | 第61-62页 |
| ·图像重构的比较实验 | 第62-63页 |
| ·基于SC的自然图像压缩 | 第63-69页 |
| ·SC用于图像压缩的可行性 | 第63-64页 |
| ·SC压缩步骤 | 第64-65页 |
| ·实验结果和相关讨论 | 第65-69页 |
| ·本章小节 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 第四章 基于非负稀疏编码的自然图像消噪 | 第73-111页 |
| ·引言 | 第73-75页 |
| ·NMF算法 | 第75-76页 |
| ·NMF的基本概念 | 第75页 |
| ·NMF的学习规则 | 第75-76页 |
| ·Hoyer的NNSC算法 | 第76-78页 |
| ·代价函数 | 第76-77页 |
| ·学习规则 | 第77-78页 |
| ·扩展的NNSC算法 | 第78-90页 |
| ·先验稀疏密度模型的选择 | 第79-84页 |
| ·拉普拉斯密度模型 | 第79页 |
| ·MSD密度模型 | 第79-80页 |
| ·SSD密度模型 | 第80-81页 |
| ·NIG密度模型 | 第81-84页 |
| ·扩展NNSC模型 | 第84-85页 |
| ·建模目标函数 | 第85页 |
| ·扩展NNSC算法的描述 | 第85-90页 |
| ·稳健PCA | 第86-88页 |
| ·PRP共轭梯度下降算法 | 第88页 |
| ·基向量和系数分量的更新规则 | 第88-90页 |
| ·扩展的NNSC算法在自然图像消噪中的应用 | 第90-106页 |
| ·小波收缩法 | 第91-92页 |
| ·基于FastICA的SC收缩法 | 第92-93页 |
| ·收缩函数的选择 | 第93-95页 |
| ·NNSC收缩规则 | 第95-96页 |
| ·消噪结果和相关讨论 | 第96-106页 |
| ·图像数据的输入 | 第96-97页 |
| ·基于二参数估计的稀疏密度模型的消噪实验 | 第97-103页 |
| ·基于NIG稀疏密度模型的消噪实验 | 第103-106页 |
| ·本章小结 | 第106-107页 |
| 参考文献 | 第107-111页 |
| 第五章 WTA-ICA稀疏表示在掌纹图像识别中的应用研究 | 第111-141页 |
| ·引言 | 第111-113页 |
| ·l~∞范数稀疏性度量标准 | 第113-115页 |
| ·基于Winner-take-all规则的ICA算法描述 | 第115-120页 |
| ·代价函数 | 第115-116页 |
| ·更新权值矩阵 | 第116-117页 |
| ·有效估计量 | 第117-119页 |
| ·基于遗忘均值的权值更新规则 | 第119-120页 |
| ·掌纹图像的WTA-ICA稀疏表示 | 第120-124页 |
| ·WTA-ICAⅠ稀疏表示:统计独立的特征基图像 | 第121-123页 |
| ·WTA-ICAⅡ稀疏表示:统计独立的特征系数 | 第123-124页 |
| ·径向基概率神经网络模型 | 第124-127页 |
| ·RBPNN模型 | 第124-125页 |
| ·RBPNN的映射特性 | 第125-126页 |
| ·RBPNN的ROLSA结构优化算法 | 第126-127页 |
| ·模拟实验和讨论 | 第127-137页 |
| ·掌纹图像数据的预处理 | 第128-130页 |
| ·基于FCM算法的基向量的初始化 | 第130-131页 |
| ·识别率 | 第131-135页 |
| ·标准误差率 | 第135-137页 |
| ·本章小结 | 第137页 |
| 参考文献 | 第137-141页 |
| 总结与展望 | 第141-144页 |
| 攻读博士学位期间发表的论文、参加的科研项目及获奖情况 | 第144-147页 |
| 致谢 | 第147页 |
