| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-11页 |
| ·本文的研究背景与意义 | 第7-8页 |
| ·本文中图像描述方法的研究与发展 | 第8-9页 |
| ·复杂网络下的图像建模 | 第9页 |
| ·本文的主要研究内容 | 第9-11页 |
| 第2章 复杂网络的基本概念与理论 | 第11-15页 |
| ·复杂网络概述 | 第11-12页 |
| ·复杂网络基础理论 | 第12页 |
| ·复杂网络基本参数 | 第12-14页 |
| ·度特征 | 第12-13页 |
| ·聚类特征 | 第13-14页 |
| ·复杂网络的动态演化 | 第14页 |
| ·复杂网络图像建模 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第3章 基于复杂网络的图像形状轮廓识别方法 | 第15-26页 |
| ·轮廓的基本介绍 | 第15-16页 |
| ·基于复杂网络的目标识别方法研究现状 | 第16-17页 |
| ·基于复杂网络的图像形状轮廓识别方法 | 第17-23页 |
| ·图像形状轮廓的复杂网络建模 | 第18-20页 |
| ·网络模型动态演化 | 第20-22页 |
| ·识别参数提取方法 | 第22-23页 |
| ·形状识别 | 第23页 |
| ·阈值参数确定方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第4章 基于有向复杂网络模型的图像特征提取方法 | 第26-36页 |
| ·KNN演化模型 | 第26页 |
| ·图像描述与特征提取 | 第26-28页 |
| ·图像的有向复杂网络表示 | 第26-27页 |
| ·复杂网络的特征提取 | 第27-28页 |
| ·算法流程 | 第28页 |
| ·实验与分析 | 第28-35页 |
| ·图像聚类实验 | 第29-33页 |
| ·图像检索实验 | 第33-35页 |
| ·本章总结 | 第35-36页 |
| 第5章 基于节点加权复杂网络模型的图像结构特征提取方法 | 第36-48页 |
| ·节点加权属性网络 | 第36-37页 |
| ·图像描述与特征提取 | 第37-38页 |
| ·图像的复杂网络表示 | 第37-38页 |
| ·复杂网络的特征提取 | 第38页 |
| ·算法流程 | 第38-39页 |
| ·实验与分析 | 第39-46页 |
| ·图像分类实验 | 第40-42页 |
| ·图像聚类实验 | 第42-45页 |
| ·参数分析 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第6章 总结与展望 | 第48-50页 |
| ·工作总结 | 第48页 |
| ·进一步的工作 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间取得的研究成果 | 第53-54页 |
| 致谢 | 第54-55页 |