| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究目的与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文主要工作及创新点 | 第13-14页 |
| 1.4 论文的组织工作 | 第14-16页 |
| 第2章 随机共振基本理论与计算模型 | 第16-22页 |
| 2.1 经典随机共振理论 | 第16-19页 |
| 2.1.1 绝热近似理论 | 第16-17页 |
| 2.1.2 线性响应理论 | 第17-18页 |
| 2.1.3 驻留时间分布理论 | 第18页 |
| 2.1.4 费洛克理论 | 第18-19页 |
| 2.2 非经典随机共振理论 | 第19-20页 |
| 2.2.1 非马尔科夫随机共振理论 | 第19页 |
| 2.2.2 超阈值随机共振理论 | 第19页 |
| 2.2.3 自适应随机共振理论 | 第19页 |
| 2.2.4 耦合随机共振理论 | 第19-20页 |
| 2.3 随机共振计算模型 | 第20-21页 |
| 2.3.1 阈值模型 | 第20页 |
| 2.3.2 双稳态系统 | 第20页 |
| 2.3.3 FitzHugh-Nagumo 神经元模型 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于自突触 FHN 神经元网络随机共振的图像增强 | 第22-43页 |
| 3.1 基本原理 | 第22-23页 |
| 3.1.1 自突触 FHN 神经元模型 | 第22-23页 |
| 3.1.2 自突触 FHN 神经元网络模型 | 第23页 |
| 3.2 一维信号仿真结果与分析 | 第23-32页 |
| 3.2.1 一维周期信号的增强 | 第23-28页 |
| 3.2.2 一维非周期信号的增强 | 第28-32页 |
| 3.3 二维图像仿真结果与分析 | 第32-42页 |
| 3.3.1 二值图像增强算法步骤 | 第32-33页 |
| 3.3.2 仿真结果分析 | 第33-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于耦合 FHN 神经元随机共振机制的图像边缘检测 | 第43-51页 |
| 4.1 耦合 FHN 神经元模型 | 第43-44页 |
| 4.2 一维弱跳变信号检测研究 | 第44-46页 |
| 4.3 二维图像边缘检测研究 | 第46-49页 |
| 4.3.1 图像边缘检测算法步骤 | 第46-47页 |
| 4.3.2 实验结果与分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 基于多重随机共振机制图像多对比度边缘检测研究 | 第51-61页 |
| 5.1 基本原理 | 第51-52页 |
| 5.1.1 FHN 神经元模型 | 第51页 |
| 5.1.2 基于多重随机共振机制 FHN 神经元模型 | 第51-52页 |
| 5.2 一维多幅值跳变信号检测 | 第52-54页 |
| 5.3 二维图像仿真与分析 | 第54-60页 |
| 5.3.1 图像多对比度边缘检测算法 | 第54-56页 |
| 5.3.2 实验结果与分析 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69页 |
