| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-20页 |
| ·脉冲耦合神经网络 | 第8-13页 |
| ·脉冲耦合神经网络原理及模型 | 第8-10页 |
| ·脉冲耦合神经网络特性分析 | 第10-11页 |
| ·脉冲耦合神经网络在数字图像处理中的应用 | 第11-13页 |
| ·粗集理论 | 第13-18页 |
| ·粗集理论的基本概念 | 第13-16页 |
| ·粗集理论的应用 | 第16-18页 |
| ·脉冲耦合神经网络与粗集理论结合应用于数字图像处理 | 第18-19页 |
| ·研究内容与论文安排 | 第19-20页 |
| 第二章 PCNN赋时矩阵与粗集理论用于细胞图像增强 | 第20-35页 |
| ·图像增强方法 | 第20-26页 |
| ·空域增强 | 第20-25页 |
| ·频域增强 | 第25-26页 |
| ·基于PCNN赋时矩阵与粗集理论的细胞图像增强新算法 | 第26-32页 |
| ·PCNN简化模型及赋时矩阵 | 第27-28页 |
| ·算法描述 | 第28-30页 |
| ·算法模拟结果及分析 | 第30-32页 |
| ·本章小结 | 第32-35页 |
| 第三章 PCNN与粗集理论用于多聚焦细胞图像融合 | 第35-52页 |
| ·图像融合 | 第35-37页 |
| ·图像融合的概念 | 第35-36页 |
| ·图像融合的分类及方法 | 第36-37页 |
| ·多聚焦图像融合 | 第37-44页 |
| ·多聚焦图像融合的概念 | 第37页 |
| ·传统的多聚焦图像融合方法及其性能分析 | 第37-41页 |
| ·多聚焦图像融合技术评价方法 | 第41-43页 |
| ·多聚焦图像融合方法发展方向 | 第43-44页 |
| ·PCNN与粗集理论用于多聚焦细胞图像融合 | 第44-50页 |
| ·算法原理及实现过程 | 第44-47页 |
| ·实验结果分析 | 第47-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于PCNN与粗集理论的空频域二重数字水印算法 | 第52-75页 |
| ·数字水印的定义 | 第52-53页 |
| ·数字水印技术的应用 | 第53-54页 |
| ·数字图像水印的原理及框架 | 第54-56页 |
| ·数字图像水印的基本特点 | 第56-57页 |
| ·数字图像水印的方法及其性能评估 | 第57-59页 |
| ·数字图像水印的方法 | 第57-59页 |
| ·数字图像水印方法的性能评估 | 第59页 |
| ·多重数字图像水印技术 | 第59页 |
| ·基于PCNN与粗集理论的空频域二重水印算法 | 第59-74页 |
| ·小波变换 | 第60-61页 |
| ·算法描述及实验结果 | 第61-70页 |
| ·算法鲁棒性评价 | 第70-73页 |
| ·结论 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-76页 |
| 参考文献 | 第76-84页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第84-85页 |
| 致谢 | 第85页 |
