基于脉冲耦合神经网络的图像分割方法的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-13页 |
| ·研究背景及意义 | 第10-11页 |
| ·图像分割研究状况 | 第11页 |
| ·PCNN 的由来和国内外研究进展 | 第11-12页 |
| ·国外研究进展 | 第11-12页 |
| ·国内研究进展 | 第12页 |
| ·本文的结构和要点 | 第12页 |
| ·本章小结 | 第12-13页 |
| 2 图像分割的基本方法与模型 | 第13-30页 |
| ·图像分割的定义 | 第13-15页 |
| ·图像分割的一些方法 | 第15-21页 |
| ·基于灰度级的算术平均法 | 第15-16页 |
| ·基于熵和直方图法 | 第16页 |
| ·基于最大类间方差法 | 第16-17页 |
| ·基于边缘检测的分割法 | 第17-18页 |
| ·基于灰度特征的阈值分割法 | 第18-19页 |
| ·基于边界提取的分割法 | 第19页 |
| ·基于区域的分割方法 | 第19-20页 |
| ·基于特定理论的分割方法 | 第20-21页 |
| ·其他分割方法 | 第21页 |
| ·图像分割的模型 | 第21-29页 |
| ·健壮尺度区域拟合模型 | 第22-23页 |
| ·二维经典 C-V 模型 | 第23-25页 |
| ·尺度区域拟合模型 | 第25-27页 |
| ·三维 C-V 模型 | 第27-28页 |
| ·健壮统计三维 C-V 模型 | 第28页 |
| ·几何主动轮廓模型 | 第28-29页 |
| ·图像分割的评价原则 | 第29页 |
| ·本章小结 | 第29-30页 |
| 3 基于最大熵的脉冲耦合神经网络分割方法 | 第30-48页 |
| ·基于脉冲耦合神经网络的分割方法 | 第30-41页 |
| ·PCNN 理论 | 第30-32页 |
| ·脉冲耦合神经网络的基本模型 | 第32-41页 |
| ·改进型的基于最大熵的脉冲耦合神经网络分割方法 | 第41-47页 |
| ·阈值的确定 | 第42-43页 |
| ·最大熵 | 第43-46页 |
| ·接收部分 | 第46页 |
| ·连接部分 | 第46页 |
| ·脉冲产生部分 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 4 实验 | 第48-53页 |
| ·实验 | 第48-50页 |
| ·步骤 | 第48-50页 |
| ·参数模型 | 第50页 |
| ·分割效果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-57页 |
| ·总结 | 第53-55页 |
| ·展望 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录A：作者攻读硕士学位期间发表论文及科研情况 | 第61-62页 |
| 致谢 | 第62页 |
