| 第一章 绪论 | 第14-26页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 系统及其相关技术 | 第15-23页 |
| 1.3 基于K元特征图像序列的图像目标分割与识别研究的难点 | 第23-25页 |
| 1.4 论文安排 | 第25-26页 |
| 第二章 图像目标K元特征识别模型与识别系统框架 | 第26-46页 |
| 2.1 引言 | 第26-27页 |
| 2.2 图像目标K元识别特征描述与识别模型 | 第27-28页 |
| 2.3 图像目标与观察数据空间关系模型 | 第28-33页 |
| 2.4 目标图像复原，去噪及除畸变基本技术 | 第33-39页 |
| 2.5 目标K元非均匀进制特征图像序列的分割与识别系统基本框架 | 第39-44页 |
| 2.6 小结 | 第44-46页 |
| 第三章 K元非均匀进制特征图像序列分割技术 | 第46-61页 |
| 3.1 图像分割基本理论 | 第46-48页 |
| 3.2 基于扩展特征色学习的彩色目标分割 | 第48-56页 |
| 3.3 基于预识别监督的目标特征图像序列分割 | 第56-60页 |
| 3.4 小结 | 第60-61页 |
| 第四章 特征图像序列组成基元可视宏特征描述与提取技术 | 第61-75页 |
| 4.1 引言 | 第61-62页 |
| 4.2 预处理 | 第62-64页 |
| 4.3 二值化基元特征图像的层目标提取技术 | 第64-66页 |
| 4.4 基元特征图像层目标识别测度描述 | 第66-69页 |
| 4.5 目标字符特征图像的笔划骨架及笔划骨架结构提取技术 | 第69-73页 |
| 4.6 笔划和笔划结构的识别测度描述 | 第73-74页 |
| 4.7 小结 | 第74-75页 |
| 第五章 基于K元特征图像序列的目标模糊识别技术 | 第75-88页 |
| 5.1 引言 | 第75页 |
| 5.2 基于K元特征图像的目标模糊识别基本理论 | 第75-79页 |
| 5.3 基于K元字符特征图像的可视特征空间的目标模糊识别 | 第79-86页 |
| 5.4 实验结果 | 第86-87页 |
| 5.5 小结 | 第87-88页 |
| 第六章 图像目标识别特征多层模型与神经网络群识别技术 | 第88-96页 |
| 6.1 引言 | 第88-89页 |
| 6.2 图像目标特征图像识别特征多层模型 | 第89-90页 |
| 6.3 目标特征图像BP神经网络群识别技术 | 第90-94页 |
| 6.4 仿真结果 | 第94-95页 |
| 6.5 小结 | 第95-96页 |
| 第七章 目标特征图像序列的多分类器自适应融合识别 | 第96-109页 |
| 7.1 引言 | 第96-98页 |
| 7.2 常见的融合方法 | 第98-101页 |
| 7.3 特征图像的多分类器自适应融合识别 | 第101-107页 |
| 7.4 算法分析及实验结果 | 第107-108页 |
| 7.5 小结 | 第108-109页 |
| 第八章 基于信源状态被访问概率的多级自适应识别系统 | 第109-117页 |
| 8.1 引言 | 第109-110页 |
| 8.2 决策树基础理论 | 第110-112页 |
| 8.3 基于信源状态被访问概率的多级自适应识别系统 | 第112-113页 |
| 8.4 基于特征图像状态被访问概率的动态多级识别技术 | 第113-116页 |
| 8.5 实验结果 | 第116页 |
| 8.6 小结 | 第116-117页 |
| 全文总结 | 第117-119页 |
| 参考文献 | 第119-125页 |
| 致谢 | 第125-127页 |
