| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景与选题意义 | 第11页 |
| ·国内外研究现状及发展趋势 | 第11-15页 |
| ·图像处理中的智能优化技术 | 第11-13页 |
| ·图像检索方式 | 第13-14页 |
| ·PCNN 的理论研究及应用 | 第14-15页 |
| ·本文研究内容和组织结构 | 第15-17页 |
| ·本文主要研究内容 | 第15页 |
| ·本文组织结构 | 第15-17页 |
| 第2章 图像处理与检索技术 | 第17-26页 |
| ·图像处理相关技术 | 第17-20页 |
| ·图像分割基本概念 | 第17-18页 |
| ·图像分割的一般模型 | 第18页 |
| ·图像分割方法总结 | 第18-20页 |
| ·图像检索相关技术 | 第20-24页 |
| ·CBIR 的基本检索原理和系统框架结构 | 第20-22页 |
| ·图像内容的分析与表示 | 第22-24页 |
| ·国内外经典系统介绍 | 第24页 |
| 小结 | 第24-26页 |
| 第3章 智能算法在图像处理方面的应用研究 | 第26-41页 |
| ·智能算法 | 第26-32页 |
| ·遗传算法 | 第26-28页 |
| ·人工神经网络 | 第28-32页 |
| ·智能算法在图像去噪方面的理论研究 | 第32-33页 |
| ·遗传算法在图像分割方面的应用 | 第33-37页 |
| ·图像分割基本理论及常用方法 | 第33-34页 |
| ·最大类间方差和最大熵分割算法 | 第34-37页 |
| ·图像分割的仿真实验 | 第37页 |
| ·BP 神经网络在图像识别中的应用 | 第37-40页 |
| ·BP 神经网络在图像识别中的分类器设计 | 第37-38页 |
| ·BP 神经网络的图像分类识别器仿真实验 | 第38-40页 |
| 小结 | 第40-41页 |
| 第4章 智能算法与 PCNN 理论在图像处理方面的应用研究 | 第41-60页 |
| ·PCNN 基本理论 | 第41-45页 |
| ·典型 PCNN 的基本结构 | 第41-42页 |
| ·参数说明 | 第42-44页 |
| ·PCNN 的特性 | 第44页 |
| ·PCNN 小结 | 第44-45页 |
| ·PCNN 在图像去噪提取边缘方面的新方法 | 第45-51页 |
| ·PCNN 与边缘增强算法相结合理论 | 第45-49页 |
| ·仿真实验 | 第49-51页 |
| ·智能算法与 PCNN 结合在图像分割方面的应用 | 第51-55页 |
| ·免疫算法 | 第51-52页 |
| ·免疫算法优化 PCNN 模型参数用于图像分割 | 第52-54页 |
| ·PCNN 模型在图像分割方法的仿真实验 | 第54-55页 |
| ·智能算法与 PCNN 结合在图像识别方面的应用 | 第55-58页 |
| ·时间签名 | 第55-56页 |
| ·熵序列 | 第56-57页 |
| ·特征提取方法总结 | 第57页 |
| ·PCNN 模型提取图像时间签名仿真实验 | 第57-58页 |
| 小结 | 第58-60页 |
| 第5章 基于内容的图像检索原型系统设计与实现 | 第60-66页 |
| ·实验系统介绍 | 第60-63页 |
| ·系统总体框架 | 第60-61页 |
| ·系统算法实现 | 第61-62页 |
| ·数据存储 | 第62-63页 |
| ·基于 PCNN 时间签名的图像数据库检索原型实验结果 | 第63-65页 |
| 小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间取得的学术成果 | 第71-72页 |
| 致谢 | 第72页 |