| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 第1章 绪论 | 第13-35页 |
| ·研究背景 | 第13-15页 |
| ·高维空间仿生信息学 | 第15-24页 |
| ·传统模式识别 | 第15-18页 |
| ·仿生模式识别 | 第18-23页 |
| ·传统模式识别与仿生模式识别的区别 | 第23-24页 |
| ·图像理解 | 第24-32页 |
| ·基本概念 | 第24-28页 |
| ·研究内容 | 第28-30页 |
| ·发展和应用 | 第30-32页 |
| ·本文的研究内容 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第2章 高维空间几何和人类视觉感知系统 | 第35-47页 |
| ·引言 | 第35页 |
| ·高维空间几何分析基本概念 | 第35-37页 |
| ·高维空间及高维空间的点 | 第35-36页 |
| ·高维空间中的基本图形 | 第36-37页 |
| ·高维空间几何覆盖理论 | 第37-39页 |
| ·覆盖 | 第37页 |
| ·覆盖比 | 第37-38页 |
| ·局部顶点覆盖 | 第38页 |
| ·覆盖积 | 第38-39页 |
| ·高维空间几何学的分析方法 | 第39页 |
| ·高维空间几何仿生信息学的原理分析 | 第39-40页 |
| ·人类视觉感知系统 | 第40-46页 |
| ·视觉感知系统概述 | 第41-42页 |
| ·视觉感知的认知基础 | 第42-44页 |
| ·基于视觉注意机制的特征提取 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第3章 基于人脑视皮层识别机制的类表象仿生构建 | 第47-65页 |
| ·引言 | 第47-48页 |
| ·视觉信息处理的脑机制 | 第48-51页 |
| ·视觉通路 | 第49页 |
| ·视网膜 | 第49-50页 |
| ·外膝体 | 第50页 |
| ·视皮层 | 第50-51页 |
| ·构建方法及过程 | 第51-59页 |
| ·物体识别理论对表象研究的启发 | 第51-54页 |
| ·不变性物体识别的生理学依据 | 第54-55页 |
| ·特异性的符合性设计 | 第55页 |
| ·不变性的符合性设计 | 第55页 |
| ·输入集合的确定 | 第55-56页 |
| ·功能描述 | 第56-59页 |
| ·实验与分析 | 第59-64页 |
| ·算法流程 | 第59页 |
| ·实验分析 | 第59-62页 |
| ·与 SIFT 算法的比较 | 第62-63页 |
| ·与其他常用算法的比较 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 复杂场景中特定目标的仿生识别 | 第65-85页 |
| ·引言 | 第65-66页 |
| ·Bag of words 模型和 SIFT 描述符 | 第66-73页 |
| ·Bag of words 模型 | 第66-70页 |
| ·SIFT 描述符 | 第70-73页 |
| ·算法描述及过程 | 第73-77页 |
| ·利用 Bag of words 模型构造 Codebook 高维空间 | 第73-74页 |
| ·利用仿生信息学原理找到不同目标间的最佳划分 | 第74-75页 |
| ·构造训练集和测试集数据 | 第75-76页 |
| ·计算网络各层输出 | 第76页 |
| ·利用训练集图像寻找不同类别目标之间的边界 | 第76-77页 |
| ·识别一幅未知图像中包含的目标 | 第77页 |
| ·影响分类与识别准确率的因素分析 | 第77-79页 |
| ·Codebook 中包含的码元数目 | 第77-78页 |
| ·隐层节点数目 | 第78页 |
| ·允许的网络最大误差 | 第78-79页 |
| ·实验与分析 | 第79-84页 |
| ·码元数目对分类性能的影响 | 第79-81页 |
| ·隐层节点数目对分类性能的影响 | 第81-83页 |
| ·不同分类方法性能的对比 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 第5章 基于视觉的人体行为仿生识别 | 第85-105页 |
| ·引言 | 第85-87页 |
| ·HOG 和 SVM 基本原理 | 第87-91页 |
| ·HOG 特征提取 | 第87-90页 |
| ·SVM 分类器和径向基概率神经网络(RBPNN) | 第90-91页 |
| ·基于视觉的人体行为仿生识别与分类方法 | 第91-104页 |
| ·性能评价指标 | 第91-95页 |
| ·实验分析 | 第95-100页 |
| ·与其他识别与分类方法实验结果的比较 | 第100-104页 |
| ·本章小结 | 第104-105页 |
| 第6章 全文总结与展望 | 第105-109页 |
| ·本文主要成果 | 第105-108页 |
| ·主要结论 | 第105-106页 |
| ·主要创新点 | 第106-107页 |
| ·经验与不足 | 第107-108页 |
| ·未来展望 | 第108-109页 |
| 参考文献 | 第109-125页 |
| 作者简介及在攻读博士学位期间发表的学术论文 | 第125-126页 |
| 致谢 | 第126页 |
