基于PCNN的彩色图像特征捆绑模型构建方法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·背景与研究意义 | 第9-10页 |
| ·国内外研究热点及现状 | 第10-12页 |
| ·主要研究内容 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 理论储备 | 第15-25页 |
| ·特征捆绑 | 第15-18页 |
| ·特征捆绑概述 | 第15-16页 |
| ·特征捆绑的认知理论 | 第16-17页 |
| ·特征捆绑的认知模型 | 第17-18页 |
| ·脉冲耦合神经网络 | 第18-20页 |
| ·PCNN概述 | 第18页 |
| ·PCNN特性 | 第18-19页 |
| ·PCNN应用 | 第19-20页 |
| ·颜色空间 | 第20-23页 |
| ·RGB颜色空间 | 第20-21页 |
| ·HIS颜色空间 | 第21-22页 |
| ·其他颜色空间 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于矢量的特征捆绑PCNN模型 | 第25-41页 |
| ·简化PCNN模型 | 第25-28页 |
| ·模型基本结构 | 第25-26页 |
| ·模型工作机制 | 第26-28页 |
| ·模型应用于图像处理 | 第28页 |
| ·基于矢量的特征捆绑PCNN模型 | 第28-34页 |
| ·模型整体描述 | 第28-30页 |
| ·模型模块功能 | 第30-32页 |
| ·模型参数设置 | 第32-33页 |
| ·模型算法描述 | 第33-34页 |
| ·实验及结果分析 | 第34-39页 |
| ·问题描述 | 第34页 |
| ·特征分离 | 第34-36页 |
| ·特征捆绑 | 第36-38页 |
| ·迭代次数自动判定 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 双空间矢量特征捆绑PCNN模型 | 第41-57页 |
| ·双空间颜色分离 | 第41-44页 |
| ·颜色空间选取 | 第41-42页 |
| ·双空间颜色分离可行性分析 | 第42-44页 |
| ·双空间矢量特征捆绑PCNN模型 | 第44-49页 |
| ·模型基本结构 | 第44-46页 |
| ·模型运行机制 | 第46-49页 |
| ·实验及结果分析 | 第49-56页 |
| ·实验1：仅通过分量D即可实现颜色全分离 | 第49-52页 |
| ·实验2：D、H、S、I共同实现颜色全分离 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| ·主要工作及所得结论 | 第57页 |
| ·研究方向展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间已发表和录用的学术论文 | 第65页 |
