| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-18页 |
| ·图像分割的概述 | 第8页 |
| ·图像分割的常用算法 | 第8-15页 |
| ·基于阈值的分割算法 | 第8-9页 |
| ·基于串行区域的分割算法 | 第9-10页 |
| ·基于边缘检测的分割算法 | 第10页 |
| ·基于聚类分析的分割算法 | 第10-11页 |
| ·基于PCNN模型的分割算法 | 第11页 |
| ·其他分割算法 | 第11-15页 |
| ·图像分割效果性能评价指标 | 第15-16页 |
| ·区域内部均匀性(uniformity measure,UM) | 第15页 |
| ·区域间对比度(Gray-level contrast,GC) | 第15-16页 |
| ·熵(Entropy,En) | 第16页 |
| ·交叉熵(Cross Entropy,CE) | 第16页 |
| ·本文主要内容与结构 | 第16-18页 |
| 第二章 PCNN模型的基本理论及其图像分割应用 | 第18-23页 |
| ·PCNN模型 | 第18-21页 |
| ·PCNN的传统神经元模型 | 第18-19页 |
| ·PCNN的标准改进模型 | 第19-20页 |
| ·Unit-Linking PCNN模型 | 第20-21页 |
| ·PCNN图像处理原理 | 第21-23页 |
| ·无耦合链接 | 第21-22页 |
| ·耦合链接 | 第22-23页 |
| 第三章 PCNN和区域内部均匀性参数相结合的自动图像分割方法 | 第23-31页 |
| ·基于PCNN模型的自动图像分割方法研究现状 | 第23-24页 |
| ·基于PCNN的图像分割基本理论 | 第24-25页 |
| ·本章算法描述 | 第25-26页 |
| ·计算机仿真结果与分析 | 第26-31页 |
| ·主观视觉对比 | 第26-30页 |
| ·客观视觉对比 | 第30-31页 |
| 第四章 PCNN和人工鱼群算法相结合的自适应图像分割方法 | 第31-39页 |
| ·人工鱼群算法的基本思想 | 第31-33页 |
| ·人工鱼群算法的相关定义 | 第31-32页 |
| ·人工鱼群算法的行为描述 | 第32页 |
| ·人工鱼群算法的行为选择 | 第32页 |
| ·人工鱼群算法的算法描述 | 第32-33页 |
| ·人工鱼群算法的简化模型 | 第33页 |
| ·本章算法描述 | 第33-37页 |
| ·鱼群算法的方案设计 | 第34页 |
| ·算法实现过程 | 第34-35页 |
| ·算法流程图 | 第35-37页 |
| ·计算机仿真结果与分析 | 第37-39页 |
| ·主观视觉对比 | 第37页 |
| ·客观评价 | 第37-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 致谢 | 第43-44页 |
| 个人简历及在校期间的研究成果和发表的学术论文 | 第44页 |
