| 摘要 | 第5-7页 |
| 英文摘要 | 第7-9页 |
| 目录 | 第10-12页 |
| 1 绪论 | 第12-35页 |
| 1.1 选题背景和意义 | 第12-13页 |
| 1.2 课题来源 | 第13页 |
| 1.3 人类视觉系统及其视觉形成过程 | 第13-15页 |
| 1.4 人类视觉系统工作机理及其在图像处理中的应用 | 第15-26页 |
| 1.5 脉冲耦合神经网络 | 第26-32页 |
| 1.6 主要的研究工作 | 第32-34页 |
| 1.7 论文的组织结构 | 第34-35页 |
| 2 PCNN模型关键参数特性及其在边缘检测中的应用 | 第35-61页 |
| 2.1 引言 | 第35-36页 |
| 2.2 PCNN参数存在的问题及解决办法 | 第36-38页 |
| 2.3 基于改进PCNN的图像边缘检测 | 第38-59页 |
| 2.3.1 PCNN边缘检测的原理 | 第38-39页 |
| 2.3.2 算法概述 | 第39-40页 |
| 2.3.3 改进PCNN模型 | 第40-41页 |
| 2.3.4 基于局部方差的图像增强 | 第41-42页 |
| 2.3.5 PCNN关键参数设置方法 | 第42-47页 |
| 2.3.6 图像边缘増强 | 第47页 |
| 2.3.7 实验与讨论 | 第47-59页 |
| 2.4 本章小结 | 第59-61页 |
| 3 结合图像任务特征的PCNN图像处理方法研究 | 第61-89页 |
| 3.1 引言 | 第61-62页 |
| 3.2 结合图像离散系数特性的PCNN图像阴影检测 | 第62-75页 |
| 3.3 结合图像亮度和对比度特征的PCNN图像融合 | 第75-88页 |
| 3.4 本章小结 | 第88-89页 |
| 4 自适应PCNN及其在图像处理中的应用研究 | 第89-109页 |
| 4.1 引言 | 第89-90页 |
| 4.2 算法概述 | 第90页 |
| 4.3 PCNN及其简化模型 | 第90-92页 |
| 4.4 免疫克隆选择算法 | 第92页 |
| 4.5 结合自适应免疫克隆算法的PCNN优化方法 | 第92-97页 |
| 4.6 实验和讨论 | 第97-107页 |
| 4.7 本章小结 | 第107-109页 |
| 5 总结与展望 | 第109-112页 |
| 5.1 本文主要工作总结 | 第109-110页 |
| 5.2 未来研究工作展望 | 第110-112页 |
| 参考文献 | 第112-127页 |
| 攻读博士学位期间主要研究成果 | 第127-130页 |
| 致谢 | 第130页 |
