基于PCNN和模糊理论的图像增强技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题的研究背景、意义和现状 | 第10-14页 |
| ·本论文的主要研究内容和结构安排 | 第14-17页 |
| 第二章 预备知识 | 第17-27页 |
| ·神经元与神经网络 | 第17-22页 |
| ·生物神经元与生物神经网络 | 第17-18页 |
| ·人工神经元模型 | 第18-20页 |
| ·人工神经网络的特点 | 第20-21页 |
| ·人工神经网络的分类 | 第21-22页 |
| ·神经网络在图像处理中的应用 | 第22-23页 |
| ·模糊理论的基本概念 | 第23-27页 |
| ·模糊集合的概念及运算性质 | 第23-25页 |
| ·三种常用的模糊隶属度函数 | 第25-27页 |
| 第三章 PCNN 模型工作原理及改进 | 第27-35页 |
| ·PCNN 模型及其工作原理 | 第27-32页 |
| ·Eckhorn 神经元 | 第27-30页 |
| ·PCNN 模型工作原理及其应用 | 第30-32页 |
| ·改进PCNN 模型应用于图像处理 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于改进PCNN 的图像去噪 | 第35-53页 |
| ·噪声简介 | 第35-36页 |
| ·常规图像去噪方法 | 第36-39页 |
| ·邻域平均法 | 第36-37页 |
| ·空间域低通滤波法 | 第37页 |
| ·多幅图像平均法 | 第37-38页 |
| ·中值滤波 | 第38-39页 |
| ·基于改进PCNN 的椒盐噪声去噪方法 | 第39-46页 |
| ·基于改进PCNN 的椒盐噪声滤波 | 第39-42页 |
| ·实验仿真与结果分析 | 第42-46页 |
| ·基于PCNN 的高斯噪声去噪方法 | 第46-52页 |
| ·基于改进PCNN 的高斯噪声滤波 | 第46-49页 |
| ·实验仿真与结果分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于模糊理论的图像增强 | 第53-72页 |
| ·模糊理论进行图像处理的必要性和合理性 | 第53-54页 |
| ·已有模糊增强算法分析 | 第54-55页 |
| ·利用改进的遗传算法选取最佳分割灰度阈值 | 第55-59页 |
| ·遗传算法的原理及步骤 | 第55-57页 |
| ·利用改进的遗传算法选取最佳分割灰度阈值 | 第57-59页 |
| ·基于模糊理论的单层次图像增强算法 | 第59-61页 |
| ·基于模糊理论的多层次图像增强算法 | 第61-67页 |
| ·模糊熵的引入 | 第62-63页 |
| ·已有多层次模糊增强算法分析 | 第63-64页 |
| ·图像边缘信息的提取 | 第64-66页 |
| ·基于模糊熵的邻域自适应图像多层次模糊增强算法 | 第66-67页 |
| ·实验仿真与结果分析 | 第67-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 附录 A 攻读学位期间所发表的学术论文 | 第79-80页 |
| 详细摘要 | 第80-86页 |
