PCNN机理研究及其在图像处理中的参数自适应设置
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究现状与发展 | 第9-10页 |
| 1.2 PCNN用于图像处理的关键技术 | 第10-12页 |
| 1.3 论文主要贡献 | 第12页 |
| 1.4 论文章节安排 | 第12-14页 |
| 第二章 PCNN模型及其点火机理 | 第14-35页 |
| 2.1 PCNN网络数学模型 | 第14页 |
| 2.2 无耦合连接PCNN点火机理 | 第14-27页 |
| 2.2.1 迭代分析法 | 第15-17页 |
| 2.2.2 经典差分方程法 | 第17-21页 |
| 2.2.3 点火时刻阶梯特性分析 | 第21-24页 |
| 2.2.4 参数对点火阶梯的影响 | 第24-27页 |
| 2.3 耦合连接PCNN点火机理 | 第27-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 PCNN模型参数自适应设定 | 第35-42页 |
| 3.1 数学耦合特性的消除 | 第35-37页 |
| 3.2 无数学耦合特性PCNN的参数设定 | 第37-41页 |
| 3.2.1 参数自适应设定算法 | 第37-38页 |
| 3.2.2 算法性能分析 | 第38-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 PCNN模型的改进 | 第42-48页 |
| 4.1 模型参数的规整及分析 | 第42-45页 |
| 4.2 改进模型特性分析 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第五章 PCNN模型在图像处理中的应用 | 第48-87页 |
| 5.1 PCNN用于图像分割 | 第48-56页 |
| 5.1.1 图像分割概述 | 第48页 |
| 5.1.2 自动图像分割算法 | 第48-50页 |
| 5.1.3 实验仿真及分析 | 第50-56页 |
| 5.2 PCNN用于图像边缘检测 | 第56-66页 |
| 5.2.1 图像边缘检测概述 | 第56-57页 |
| 5.2.2 PCNN边缘检测模型及自适应算法 | 第57-59页 |
| 5.2.3 实验仿真及分析 | 第59-66页 |
| 5.3 PCNN用于图像去噪 | 第66-86页 |
| 5.3.1 图像噪声概述 | 第66-68页 |
| 5.3.2 PCNN自适应脉冲噪声的滤除 | 第68-75页 |
| 5.3.3 实验仿真及分析 | 第75-86页 |
| 5.4 本章小结 | 第86-87页 |
| 第六章 结论 | 第87-89页 |
| 6.1 主要结论 | 第87页 |
| 6.2 研究展望 | 第87-89页 |
| 参考文献 | 第89-98页 |
| 在学期间的科研成果 | 第98-99页 |
| 致谢 | 第99页 |
