| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·本文背景及意义 | 第10页 |
| ·图像处理概论 | 第10-12页 |
| ·图像处理的分类 | 第10-11页 |
| ·数字图像处理的应用 | 第11-12页 |
| ·数字图像处理的优点 | 第12页 |
| ·本文的主要研究工作和组织结构 | 第12-14页 |
| 第二章 图像分割 | 第14-28页 |
| ·引言 | 第14页 |
| ·图像分割定义 | 第14-15页 |
| ·图像分割的应用 | 第15-16页 |
| ·图像分割算法的分类 | 第16-19页 |
| ·基于聚类的方法 | 第16-17页 |
| ·基于区域和边缘的方法 | 第17页 |
| ·基于全局优化的方法 | 第17-18页 |
| ·多尺度的方法 | 第18页 |
| ·自整体到局部的方法 | 第18页 |
| ·交互式的方法 | 第18-19页 |
| ·基于神经网络的方法 | 第19-27页 |
| ·神经元模型的提出 | 第19-20页 |
| ·神经网络的研究内容 | 第20-21页 |
| ·几种典型神经网络简介 | 第21-24页 |
| ·人工神经网络的特点 | 第24-26页 |
| ·神经网络发展的意义 | 第26-27页 |
| ·本章小节 | 第27-28页 |
| 第三章 基于改进的PCNN图像分割 | 第28-42页 |
| ·引言 | 第28-29页 |
| ·PCNN神经元模型 | 第29-31页 |
| ·传统PCNN神经元模型 | 第29-30页 |
| ·传统PCNN神经元模型的局限性 | 第30-31页 |
| ·简化的PCNN模型 | 第31-32页 |
| ·PCNN数字图像处理原理 | 第32页 |
| ·PCNN的应用 | 第32-33页 |
| ·基于PCNN的图像分割 | 第33-35页 |
| ·PCNN的各项参数作用 | 第34-35页 |
| ·基于改进的PCNN图像分割算法 | 第35-40页 |
| ·V_θ的确定 | 第35-36页 |
| ·阈值衰减函数的选择 | 第36-37页 |
| ·中止条件的选择 | 第37-38页 |
| ·分割算法与步骤 | 第38页 |
| ·仿真结果与分析 | 第38-40页 |
| ·本章小节 | 第40-42页 |
| 第四章 基于改进的PCNN彩色图像分割 | 第42-52页 |
| ·引言 | 第42页 |
| ·彩色空间 | 第42-46页 |
| ·RGB彩色空间 | 第43-44页 |
| ·YIQ彩色空间 | 第44页 |
| ·YUV彩色空间 | 第44页 |
| ·I_1I_2I_3彩色空间 | 第44-45页 |
| ·HSI彩色空间 | 第45页 |
| ·标准化的RGB(NRGB)彩色空间 | 第45-46页 |
| ·彩色图像分割算法的分类 | 第46页 |
| ·分割算法与步骤 | 第46-48页 |
| ·仿真结果与分析 | 第48-50页 |
| ·本章小节 | 第50-52页 |
| 第五章 基于PCNN路径搜索的交互分割算法 | 第52-68页 |
| ·引言 | 第52-53页 |
| ·LIVE-WIRE算法 | 第53-59页 |
| ·最优路径的产生 | 第53-54页 |
| ·构造局部代价函数 | 第54-55页 |
| ·改进的局部代价函数 | 第55-59页 |
| ·多输出脉冲耦合神经网络模型 | 第59-65页 |
| ·MPCNN的设计 | 第59-60页 |
| ·MPCNN自动波传播技术性能分析 | 第60-62页 |
| ·利用MPCNN求解最短路径的算法 | 第62-63页 |
| ·算法说明 | 第63-65页 |
| ·基于PCNN路径搜索的改进LIVE-WIRE算法 | 第65-66页 |
| ·仿真结果与分析 | 第66-67页 |
| ·本章小节 | 第67-68页 |
| 第六章 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者在攻读硕士学位期间所作的工作 | 第76页 |