PCNN在图像处理中的若干问题研究
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-18页 |
| 第一章 绪论 | 第18-22页 |
| ·选题的来源、目的和意义 | 第18页 |
| ·国内外研究现状、发展趋势及存在问题 | 第18-20页 |
| ·本文的主要工作 | 第20-22页 |
| 第二章 人工神经网络 | 第22-27页 |
| ·概论 | 第22页 |
| ·BP神经网络模型 | 第22-27页 |
| 第三章 脉冲耦合神经网络简介 | 第27-38页 |
| ·脉冲耦合神经网络神经元模型 | 第27-32页 |
| ·脉冲耦合神经网络神经元模型 | 第27-28页 |
| ·PCNN神经元点火周期理论研究 | 第28-32页 |
| ·电路理论解释 | 第32-34页 |
| ·脉冲耦合神经网络工作原理 | 第34-38页 |
| ·无耦合连接模型 | 第34-37页 |
| ·耦合连接模型 | 第37-38页 |
| 第四章 PCNN在图像处理中的简单应用 | 第38-58页 |
| ·图像预处理 | 第38-48页 |
| ·图像去噪 | 第38-42页 |
| ·图像几何变换 | 第42-48页 |
| ·模式分类器简介 | 第48-51页 |
| ·最小距离模式分类器 | 第48-49页 |
| ·基于模板匹配的模式识别 | 第49-51页 |
| ·BP网络分类器 | 第51页 |
| ·脉冲耦合神经网络在图像处理中的几个应用 | 第51-58页 |
| ·脉冲耦合神经网络在图像分割中的应用 | 第51-53页 |
| ·脉冲耦合神经网络在边缘检测中的应用 | 第53-58页 |
| 第五章 PCNN在特征提取中的研究 | 第58-81页 |
| ·基于PCN-N在简单几何图形的特征提取 | 第58-65页 |
| ·基于特征时间序列几何图形识别 | 第59-61页 |
| ·基于熵序列的几何图形识别 | 第61-63页 |
| ·基于欧拉序列几何图形识别 | 第63-65页 |
| ·基于PCNN与欧式距离的图像识别 | 第65-71页 |
| ·PCNN在图像识别中的应用 | 第66-71页 |
| ·小结 | 第71页 |
| ·基于PCNN与BP模式分类器的图像识别 | 第71-76页 |
| ·识别系统的简介 | 第71-72页 |
| ·图像的拓扑特征 | 第72-73页 |
| ·模拟实验 | 第73-76页 |
| ·小结 | 第76页 |
| ·彩色形态学在图像去噪处理上的应用 | 第76-81页 |
| ·RGB彩色模型与HSI彩色模型的相互转化 | 第76-77页 |
| ·基于HSI空间的彩色形态变换 | 第77-78页 |
| ·基于全方位多角度结构元复合的彩色形态滤波器 | 第78-79页 |
| ·实验结果 | 第79-80页 |
| ·小结 | 第80-81页 |
| 第六章 PCNN参数估计方法研究 | 第81-86页 |
| ·PCNN动态阈值时间衰减常数的确定 | 第81-84页 |
| ·基于信息熵最大的最佳迭代次数确定 | 第84-85页 |
| ·本章小结 | 第85-86页 |
| 第七章 结束语 | 第86-89页 |
| ·PCNN优缺点及主要存在问题 | 第86页 |
| ·论文主要工作概况及创新点 | 第86-88页 |
| ·下一步工作 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-96页 |
