| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·人工神经网络发展 | 第9-10页 |
| ·本文的研究意义和目的 | 第10-12页 |
| ·本文的主要研究工作 | 第12-14页 |
| 第二章 PCNN的基本理论和应用 | 第14-25页 |
| ·PCNN基本模型介绍 | 第14-16页 |
| ·PCNN的工作原理 | 第16-21页 |
| ·PCNN的脉冲发放机制 | 第16-17页 |
| ·无耦合连接情况下得PCNN运行原理 | 第17-18页 |
| ·耦合连接情况下得PCNN运行原理 | 第18页 |
| ·PCNN的主要特征 | 第18-20页 |
| ·PCNN的性能参数 | 第20-21页 |
| ·PCNN的两种优化模型 | 第21-23页 |
| ·改进型PCNN通用模型 | 第21-22页 |
| ·PCNN的简化模型 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于PCNN振荡时间序列的商标检索 | 第25-38页 |
| · | 第25-26页 |
| ·商标检索的现状及存在问题 | 第25-26页 |
| ·商标图像检索的一般过程 | 第26-27页 |
| ·PCNN的图像形状特征信息表达原理 | 第27-28页 |
| ·商标图像的预处理 | 第28-32页 |
| ·直方图均衡化 | 第29-31页 |
| ·提取商标图像的目标区域 | 第31-32页 |
| ·基于PCNN的特征提取 | 第32-34页 |
| ·提取边缘时间序列 | 第32-33页 |
| ·边缘时间序列特性 | 第33-34页 |
| ·检索系统流程及算法实现 | 第34-35页 |
| ·实验仿真及结果分析 | 第35-36页 |
| ·结论 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于PCNN的图像二值化和图像密度函数的商标检索 | 第38-56页 |
| ·引言 | 第38页 |
| ·图像的二值化算法 | 第38-42页 |
| ·二值化分割概述 | 第38-39页 |
| ·两种典型的二值化算法 | 第39-40页 |
| ·基于PCNN的图像二值化方法 | 第40-41页 |
| ·商标图像二值化分割评价 | 第41-42页 |
| ·密度分布特征 | 第42-44页 |
| ·形心定位和区域划分 | 第42-44页 |
| ·密度分布特征提取 | 第44页 |
| ·形状相似性度量 | 第44-45页 |
| ·实验结果及性能评价 | 第45-55页 |
| ·检索精度和回召率 | 第45-46页 |
| ·仿真结果分析 | 第46-55页 |
| ·结论 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间参加的科研项目及完成的论文 | 第63-64页 |
| 致谢 | 第64页 |