| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 相关技术研究历史及现状 | 第11-14页 |
| 1.2.1 Spiking神经网络研究历史及现状 | 第11-12页 |
| 1.2.2 图像检索技术研究历史及现状 | 第12-14页 |
| 1.3 本文的研究内容及创新 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-16页 |
| 第二章 Spiking神经网络图像检索相关技术 | 第16-30页 |
| 2.1 Spiking神经网络介绍 | 第16-23页 |
| 2.1.1 Spiking神经网络生物原理 | 第16-17页 |
| 2.1.2 Spiking神经元模型介绍 | 第17-22页 |
| 2.1.3 Spiking神经网络学习算法 | 第22-23页 |
| 2.2 图像检索相关技术 | 第23-29页 |
| 2.2.1 图像增强技术 | 第24-25页 |
| 2.2.2 图像分割技术 | 第25-26页 |
| 2.2.3 图像特征提取与分类技术 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于Spiking卷积的边缘检测方法 | 第30-45页 |
| 3.1 引言 | 第30页 |
| 3.2 卷积的理论依据 | 第30-31页 |
| 3.3 Spiking神经网络信息编码 | 第31-35页 |
| 3.4 基于Spiking电压的卷积模型 | 第35-40页 |
| 3.4.1 基于Sobel算子的Spiking边缘检测 | 第36-39页 |
| 3.4.2 基于LOG算子的Spiking边缘检测 | 第39-40页 |
| 3.5 实验与分析 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于Spiking的图像特征点定位方法 | 第45-56页 |
| 4.1 引言 | 第45页 |
| 4.2 基于图像轮廓的Spiking角点检测方法 | 第45-47页 |
| 4.3 基于灰度图像的Spiking角点检测方法 | 第47-49页 |
| 4.4 实验与分析 | 第49-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 基于Spiking的图像检索方法 | 第56-78页 |
| 5.1 引言 | 第56页 |
| 5.2 基于Spiking网络的图像特征表示 | 第56-66页 |
| 5.2.1 基于Spiking的图像角点特征 | 第57页 |
| 5.2.2 基于Spiking卷积的特征表示 | 第57-61页 |
| 5.2.3 基于Spiking的图像类别特征 | 第61-66页 |
| 5.3 图像特征相似性度量 | 第66-67页 |
| 5.4 Spiking图像检索系统整体结构 | 第67-69页 |
| 5.5 实验与分析 | 第69-76页 |
| 5.5.1 实验数据集 | 第69-71页 |
| 5.5.2 评判标准 | 第71-72页 |
| 5.5.3 相关参数设定 | 第72-73页 |
| 5.5.4 仿真结果与分析 | 第73-76页 |
| 5.6 本章小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 硕士期间取得的研究成果 | 第86-87页 |