| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| 1．1 纹理分析的研究内容及现状 | 第7-8页 |
| 1．2 PCNN的发展与研究现状 | 第8-10页 |
| 1．3 课题的主要研究内容与章节安排 | 第10-11页 |
| 第二章 纹理分析的基本方法 | 第11-24页 |
| 2．1 纹理的基本概念 | 第11-12页 |
| 2．2 纹理分析的动机 | 第12-15页 |
| 2．2．1 从心理学方面 | 第12-14页 |
| 2．2．2 从实际应用方面 | 第14-15页 |
| 2．3 纹理分类学模型 | 第15-23页 |
| 2．3．1 数理统计方法 | 第16-18页 |
| 2．3．2 几何方法 | 第18-19页 |
| 2．3．3 基于模型的方法 | 第19-20页 |
| 2．3．4 信号处理方法 | 第20-23页 |
| 2．4 本章小结 | 第23-24页 |
| 第三章 基于PCNN的数据聚类和分类方法 | 第24-36页 |
| 3．1 脉冲耦合神经网络工作原理及其特性 | 第24-29页 |
| 3．1．1 脉冲耦合神经网络基本模型及简化 | 第24-25页 |
| 3．1．2 脉冲耦合神经网络的工作原理 | 第25-27页 |
| 3．1．3 PCNN的基本特性分析 | 第27-29页 |
| 3．2 基于PCNN的数据聚类 | 第29-32页 |
| 3．2．1 聚类分析 | 第29-30页 |
| 3．2．2 基于PCNN的聚类方法 | 第30-32页 |
| 3．3 基于PCNN的分类方法 | 第32-35页 |
| 3．3．1 基本思想 | 第32-33页 |
| 3．3．2 PCNN参数的设计 | 第33-34页 |
| 3．3．3 多类模式的模式分类 | 第34-35页 |
| 3．4 本章小结 | 第35-36页 |
| 第四章 基于PCNN聚类／分类的纹理图像特征提取与分割方法 | 第36-46页 |
| 4．1 基于矩和非线性变换的纹理特征提取 | 第36-40页 |
| 4．1．1 矩描述子 | 第37-38页 |
| 4．1．2 纹理特征 | 第38-40页 |
| 4．2 基于PCNN的纹理图像分割 | 第40-42页 |
| 4．2．1 PCNN改进模型 | 第40-41页 |
| 4．2．2 基于PCNN的数据聚类和数据分类 | 第41-42页 |
| 4．2．3 图像分割步骤 | 第42页 |
| 4．3 实验结果及分析 | 第42-45页 |
| 4．4 本章小结 | 第45-46页 |
| 第五章 结束语 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 研究成果 | 第50页 |