| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-12页 |
| 1 绪论 | 第12-26页 |
| ·引言 | 第12-13页 |
| ·相关领域的国内外研究现状 | 第13-23页 |
| ·计算神经科学与神经计算科学 | 第13-14页 |
| ·心理与认知科学 | 第14-15页 |
| ·自然智能与人工智能 | 第15-18页 |
| ·机器学习 | 第18-21页 |
| ·机器视觉与模式识别 | 第21-23页 |
| ·课题来源 | 第23页 |
| ·论文的主要研究工作与创新点 | 第23-24页 |
| ·论文的主线与章节安排 | 第24-26页 |
| 2 视觉感知与认知组织的生物学依据 | 第26-44页 |
| ·引言 | 第26页 |
| ·人类视觉感知与认知机理的相关依据 | 第26-41页 |
| ·视觉组织的构成 | 第26-29页 |
| ·视网膜生物结构及其感知特性 | 第29-33页 |
| ·视皮层的生物结构及其功能特性 | 第33-37页 |
| ·非经典感受野及其特性 | 第37-38页 |
| ·视觉的Gestalt 感知组织特性 | 第38-39页 |
| ·认知学派的学习理论 | 第39-41页 |
| ·视觉的启发原则 | 第41页 |
| ·本章小结 | 第41-44页 |
| 3 基于高斯金字塔结构的视网膜感知计算方法 | 第44-58页 |
| ·引言 | 第44-45页 |
| ·相关研究工作 | 第45-48页 |
| ·算法过程与描述 | 第48-51页 |
| ·算法的实验结果与应用研究 | 第51-56页 |
| ·算法实验及其结果 | 第51-54页 |
| ·算法在远程图像识别中的应用研究 | 第54-56页 |
| ·结论与讨论 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 4 受 V1 功能特性启发的目标轮廓特征提取计算模型 | 第58-76页 |
| ·引言 | 第58-59页 |
| ·基于gabor 核的积分变换 | 第59-61页 |
| ·gabor 函数的定义 | 第59-60页 |
| ·基于gabor 核的积分变换及其性质 | 第60-61页 |
| ·具有V1 功能特性的目标轮廓提取模型与方法 | 第61-64页 |
| ·复杂环境下自然图像的目标轮廓提取 | 第64-74页 |
| ·Gabor 滤波器模拟简单细胞感受野 | 第64-65页 |
| ·基于gabor 核的积分变换对边缘线方向选择性仿真 | 第65-66页 |
| ·自然场景的目标轮廓提取实验 | 第66-72页 |
| ·边缘提取的性能评价 | 第72-74页 |
| ·结论与讨论 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 5 受视觉“what”通路信息处理机制启发的目标识别计算模型 | 第76-92页 |
| ·引言 | 第76-77页 |
| ·视皮层信息处理机制与启发计算模型 | 第77-82页 |
| ·算法验证与结果 | 第82-89页 |
| ·复杂背景下单目标识别 | 第82-85页 |
| ·自然场景的多目标识别 | 第85-89页 |
| ·结论与讨论 | 第89-90页 |
| ·本章小结 | 第90-92页 |
| 6 一种有监督的流形认知目标识别方法 | 第92-104页 |
| ·引言 | 第92-93页 |
| ·流形的数学定义与图像流形认知启发 | 第93-94页 |
| ·流形的数学定义 | 第93页 |
| ·图像流形认知启发 | 第93-94页 |
| ·局部线性嵌入（LLE）算法的思想与主要步骤 | 第94-96页 |
| ·有监督的LLE 算法(SLLE) | 第96-98页 |
| ·算法形成思路 | 第96-97页 |
| ·算法流程描述与特点 | 第97-98页 |
| ·实验与结果 | 第98-101页 |
| ·数字手写体图像的流形分布验证 | 第98-99页 |
| ·SLLE 与LLE 对数字手写体图像识别效果比较 | 第99-100页 |
| ·SLLE 与其它有监督的流形学习识别效果比较 | 第100-101页 |
| ·不同低维特征对识别结果的影响 | 第101页 |
| ·结论与讨论 | 第101-102页 |
| ·本章小结 | 第102-104页 |
| 7 一种基于独立成分特征的自主发育认知目标识别方法 | 第104-116页 |
| ·引言 | 第104-105页 |
| ·自然图像的特征提取方法 | 第105-106页 |
| ·基于独立成分特征的发育认知图像识别方法 | 第106-110页 |
| ·自然图象的独立成分特征提取 | 第106-108页 |
| ·自然图像的自主发育认知识别方法 | 第108-110页 |
| ·算法验证与结果 | 第110-114页 |
| ·英国ORL 人脸库的身份识别 | 第111-112页 |
| ·智能机器人视觉导航的方向判断 | 第112-114页 |
| ·结论与讨论 | 第114-115页 |
| ·本章小结 | 第115-116页 |
| 8 总结与展望 | 第116-119页 |
| ·主要工作与贡献 | 第116-118页 |
| ·下一步的研究工作 | 第118-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-135页 |
| 附录 | 第135页 |
| A. 作者在攻读博士学位期间已发表的论文 | 第135页 |
| B. 作者在攻读博士学位期间参加的科研项目 | 第135页 |
| C. 作者在攻读博士学位期间获得的部分荣誉 | 第135页 |
