| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| §1．1 引言 | 第11页 |
| §1．2 国内外研究现状 | 第11-13页 |
| §1．3 论文的研究工作及文章结构 | 第13-17页 |
| 1．3．1 论文的研究目的及意义 | 第13-14页 |
| 1．3．2 论文的研究内容及方法 | 第14-15页 |
| 1．3．3 论文的结构 | 第15-17页 |
| 第二章 人类视觉系统的生理特性及其模拟策略 | 第17-29页 |
| §2．1 引言 | 第17页 |
| §2．2 人类视觉系统的生理特性 | 第17-23页 |
| 2．2．1 人类视觉通路 | 第17-20页 |
| 2．2．2 视觉神经元的感受野 | 第20-22页 |
| 2．2．3 视觉神经元的自组织原理 | 第22-23页 |
| §2．3 视觉生理特性的模拟策略 | 第23-28页 |
| 2．3．1 基于生物生理特性的神经网络的特点 | 第23-27页 |
| 2．3．2 视觉模拟的策略 | 第27-28页 |
| §2．4 小结 | 第28-29页 |
| 第三章 视网膜细胞神经网络模型及其在图像边缘检测中的应用 | 第29-49页 |
| §3．1 引言 | 第29页 |
| §3．2 图像边缘提取的发展及现状 | 第29-32页 |
| 3．2．1 图像在单一尺度下的边缘提取 | 第29-31页 |
| 3．2．2 图像的多尺度边缘提取 | 第31-32页 |
| §3．3 视网膜的信息加工 | 第32-39页 |
| 3．3．1 侧抑制 | 第32-34页 |
| 3．3．2 人眼的“马赫带”效应 | 第34-37页 |
| 3．3．3 神经节细胞和同心圆状的感受野 | 第37-38页 |
| 3．3．4 宏观的视网膜模型 | 第38-39页 |
| §3．4 具有分流型抑制机制的视网膜细胞神经网络模型(SIRCNN) | 第39-44页 |
| 3．4．1 SIRCNN模型 | 第39-41页 |
| 3．4．2 SIRCNN模型的等价电路图描述 | 第41-42页 |
| 3．4．3 SIRCNN模型的稳定性分析 | 第42-44页 |
| §3．5 SIRCNN模型在图像边缘检测中的应用及其实验结果 | 第44-48页 |
| 3．5．1 基于SIRCNN模型的边缘检测算法实现 | 第45-46页 |
| 3．5．2 实验结果及其对比分析 | 第46-48页 |
| §3．6 小结 | 第48-49页 |
| 第四章 视觉皮层神经元振荡网络模型及其在图像分割中的应用 | 第49-69页 |
| §4．1 引言 | 第49页 |
| §4．2 图像分割概述 | 第49-52页 |
| 4．2．1 图像分割的定义 | 第50页 |
| 4．2．2 图像分割的方法 | 第50-51页 |
| 4．2．3 神经网络 | 第51页 |
| 4．2．4 阈值分割方法 | 第51-52页 |
| §4．3 视觉皮层的信息加工原理 | 第52-58页 |
| 4．3．1 视区神经元突触联系的形成 | 第53-54页 |
| 4．3．2 视觉皮层神经元的振荡机制 | 第54-56页 |
| 4．3．3 局部兴奋全局抑制机制 | 第56-57页 |
| 4．3．4 视觉皮层间的反馈和整合作用 | 第57-58页 |
| §4．4 具有局部兴奋全局抑制机制的视觉皮层神经元振荡网络模型 | 第58-61页 |
| 4．4．1 局部兴奋全局抑制神经元振荡网络模型 | 第59-61页 |
| §4．5 模型在图像分割中的应用及其实验结果分析 | 第61-67页 |
| 4．5．1 基于局部兴奋全局抑制神经元振荡网络模型的图像分割算法 | 第61-63页 |
| 4．5．2 算法中各参数的选取与自动确定 | 第63-65页 |
| 4．5．3 实验结果及对比分析 | 第65-67页 |
| §4．6 小结 | 第67-69页 |
| 第五章 SIRCNN模型与局部兴奋全局抑制神经元振荡网络模型的联系与差别 | 第69-85页 |
| §5．1 引言 | 第69-70页 |
| §5．2 生理机制上的联系与差别 | 第70-74页 |
| §5．3 数学理论上的联系与差别 | 第74-79页 |
| §5．4 视觉信息处理机制上的联系与差别 | 第79-84页 |
| §5．5 小结 | 第84-85页 |
| 结束语 | 第85-88页 |
| 致谢 | 第88-89页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第89-90页 |
| 参考文献 | 第90-94页 |
