| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作及创新点 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第2章 随机共振基本理论与常见模型 | 第16-24页 |
| 2.1 经典随机共振理论 | 第16-20页 |
| 2.1.1 浸渐消去理论 | 第16-18页 |
| 2.1.2 线性响应理论 | 第18-19页 |
| 2.1.3 驻留时间分布理论 | 第19页 |
| 2.1.4 本征值理论 | 第19-20页 |
| 2.2 非经典随机共振理论 | 第20-21页 |
| 2.2.1 非周期随机共振 | 第20页 |
| 2.2.2 自适应随机共振 | 第20页 |
| 2.2.3 超阈值随机共振 | 第20页 |
| 2.2.4 级联双稳随机共振 | 第20-21页 |
| 2.3 随机共振常见模型 | 第21-22页 |
| 2.3.1 双稳态模型 | 第21页 |
| 2.3.2 Duffing随机共振模型 | 第21-22页 |
| 2.3.3 Hodgkin-Huxley神经元模型 | 第22页 |
| 2.3.4 FitzHugh-Nagumo神经元模型 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 参数优化的弱信号随机共振增强研究 | 第24-42页 |
| 3.1 随机共振信号增强原理 | 第24-28页 |
| 3.1.1 Duffing随机共振微弱信号增强方法 | 第24-25页 |
| 3.1.2 双级并联Duffing随机共振系统 | 第25-28页 |
| 3.2 自适应参数优化算法 | 第28-30页 |
| 3.2.1 标准粒子群算法(PSO) | 第28页 |
| 3.2.2 量子粒子群算法(QPSO) | 第28-29页 |
| 3.2.3 PSO算法与QPSO算法的比较 | 第29-30页 |
| 3.3 基于QPSO双级并联Duffing随机共振一维弱信号增强研究 | 第30-33页 |
| 3.3.1 QPSO-Duffing自适应调参的一维弱信号增强实现过程 | 第30-31页 |
| 3.3.2 仿真实验结果与讨论 | 第31-33页 |
| 3.4 基于QPSO双级并联Duffing随机共振二维图像增强研究 | 第33-41页 |
| 3.4.1 QPSO-Duffing自适应调参的二维图像增强实现过程 | 第33-35页 |
| 3.4.2 定量评价指标 | 第35-36页 |
| 3.4.3 二维信号处理实验结果与分析 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 多层抑制性突触随机共振的图像弱信号边缘检测研究 | 第42-56页 |
| 4.1 图像弱信号边缘检测概述 | 第42-43页 |
| 4.2 串并联FHN神经元结构模型 | 第43-44页 |
| 4.3 多层抑制性突触FHN神经元随机共振网络模型 | 第44-45页 |
| 4.4 图像弱边缘检测算法 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-55页 |
| 4.5.1 一维多目标幅值检测结果与分析 | 第46-49页 |
| 4.5.2 二维图像边缘检测结果与分析 | 第49-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第5章 基于多尺度频域分解的随机共振图像增强算法研究 | 第56-67页 |
| 5.1 医学CT图像增强概述 | 第56-57页 |
| 5.2 基本原理 | 第57-59页 |
| 5.2.1 二维多尺度小波变换原理 | 第57页 |
| 5.2.2 图像二维双稳态随机共振 | 第57-59页 |
| 5.2.3 串并联双稳态模型 | 第59页 |
| 5.3 基于多尺度小波分解与随机共振图像增强算法过程 | 第59-62页 |
| 5.4 实验结果与分析 | 第62-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75页 |
