| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·人工神经网络发展 | 第10-11页 |
| ·PCNN 研究意义及现状 | 第11-13页 |
| ·论文的主要工作和创新点 | 第13-15页 |
| 第二章 脉冲耦合神经网络 | 第15-25页 |
| ·脉冲耦合神经网络神经元 | 第15-20页 |
| ·PCNN 神经元模型 | 第15-17页 |
| ·PCNN 的特性 | 第17-20页 |
| ·PCNN 的工作原理 | 第20-22页 |
| ·无耦合链接情况下的PCNN 运行机制 | 第21页 |
| ·耦合链接情况下的PCNN 运行机制 | 第21-22页 |
| ·改进型 PCNN 通用模型 | 第22-23页 |
| ·Unit-Linking PCNN 模型 | 第23-24页 |
| 本章小结 | 第24-25页 |
| 第三章 基于PCNN 的图像分割方法综述 | 第25-33页 |
| ·图像分割的定义 | 第25-26页 |
| ·图像分割领域需要解决的问题 | 第26-28页 |
| ·基于 PCNN 的图像分割方法 | 第28-32页 |
| ·基于区域增长的PCNN 图像分割方法 | 第28-29页 |
| ·基于图像熵的PCNN 图像分割方法 | 第29-30页 |
| ·基于最大相关准则的PCNN 图像分割方法 | 第30-32页 |
| ·基于遗传算法的PCNN 图像分割方法 | 第32页 |
| 本章小结 | 第32-33页 |
| 第四章 PCNN 和最大相关准则相结合的图像分割新方法 | 第33-42页 |
| ·问题及解决 | 第33页 |
| ·基于 PCNN 的灰度图像分割 | 第33-36页 |
| ·一维最大相关数准则 | 第34页 |
| ·二维最大相关数准则 | 第34-36页 |
| ·PCNN 和相关准则相结合的图像分割 | 第36-37页 |
| ·计算机仿真结果与分析 | 第37-41页 |
| ·主观视觉效果对比 | 第37-39页 |
| ·客观评价 | 第39-41页 |
| ·结论 | 第41页 |
| 本章小结 | 第41-42页 |
| 第五章 结束语 | 第42-44页 |
| 参考文献 | 第44-49页 |
| 攻读硕士学位期间完成的论文 | 第49-50页 |
| 攻读硕士学位期间参加的科研项目与工作 | 第50-51页 |
| 致谢 | 第51页 |