| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-20页 |
| ·细胞神经网络技术 | 第9-11页 |
| ·细胞神经网络综述 | 第9-10页 |
| ·细胞神经网络的背景和发展现状 | 第10-11页 |
| ·细胞神经网络的硬件实现简介 | 第11页 |
| ·图像分割技术 | 第11-17页 |
| ·图像分割的目的及研究意义 | 第11-13页 |
| ·图像分割技术介绍 | 第13-17页 |
| ·本文研究的意义与主要内容 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 2 细胞神经网络数理模型与系统分析 | 第20-31页 |
| ·标准CNN 的结构与数理模型 | 第20-23页 |
| ·标准CNN 动态范围与稳定性分析 | 第23-28页 |
| ·CNN 动态范围 | 第23-25页 |
| ·CNN 稳定性分析 | 第25-28页 |
| ·CNN 输入输出的量化及其图象处理的基本思想 | 第28-30页 |
| ·CNN 输入与输出量化 | 第28-29页 |
| ·CNN 图像处理的基本思想 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 细胞神经网络的模板设计研究 | 第31-44页 |
| ·细胞神经网络模板设计介绍 | 第31页 |
| ·基于学习方法的CNN 模板设计 | 第31-35页 |
| ·引言 | 第32页 |
| ·学习规则 | 第32-33页 |
| ·训练算法 | 第33-34页 |
| ·仿真结果及结论 | 第34-35页 |
| ·基于代数构造法的CNN 模板设计 | 第35-43页 |
| ·二值图像的CNN 模板取值范围的确定 | 第35-37页 |
| ·灰度图像的CNN 模板取值范围的确定 | 第37-40页 |
| ·仿真结果及结论 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 4 细胞神经网络在图像分割中的应用 | 第44-55页 |
| ·引言 | 第44-45页 |
| ·DTCNN 的动态轮廓实现 | 第45-49页 |
| ·DTCNN | 第45-46页 |
| ·基于图像梯度的DTCNN 动态轮廓模型及系统结构 | 第46-47页 |
| ·用DTCNN 实现的网络模板参数 | 第47-49页 |
| ·GVF 场的DTCNN 实现模板 | 第49-51页 |
| ·仿真结果 | 第51-54页 |
| ·灰度图像上的应用 | 第51-52页 |
| ·二值图像上的应用 | 第52-53页 |
| ·医学图像上的应用 | 第53-54页 |
| ·计算复杂度 | 第54页 |
| ·本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-57页 |
| ·本文的主要工作 | 第55页 |
| ·进一步的研究设想 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-63页 |
| A.作者在攻读学位期间发表的论文目录 | 第61页 |
| B. 作者在攻读学位期间参与的科研项目 | 第61-63页 |