| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究目的与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要工作及创新点 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 第2章 非线性动力系统的随机共振计算模型 | 第16-21页 |
| ·阈值模型 | 第16-17页 |
| ·双稳态模型 | 第17-18页 |
| ·神经元模型 | 第18-20页 |
| ·Hodgkin-Huxley神经元模型 | 第18-19页 |
| ·FitzHugh-Nagumo神经元模型 | 第19页 |
| ·Integrate-and-Fire神经元模型 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第3章 基于级联双稳态随机共振机制的弱信号增强研究 | 第21-34页 |
| ·弱信号增强概述 | 第21-22页 |
| ·级联双稳态模型 | 第22页 |
| ·随机共振弱信号增强的定量评价指标 | 第22-23页 |
| ·信噪比和互相关系数 | 第22-23页 |
| ·信噪比改善因子和峰值信噪比 | 第23页 |
| ·基于级联双稳态随机共振机制的弱信号增强研究 | 第23-33页 |
| ·一维周期弱信号随机共振增强研究 | 第24-26页 |
| ·一维非周期弱信号随机共振增强研究 | 第26-29页 |
| ·二维灰度图像弱信号随机共振增强研究 | 第29-33页 |
| ·小结 | 第33-34页 |
| 第4章 基于阵列级联FHN神经元的弱信号随机共振增强研究 | 第34-44页 |
| ·阵列级联FHN神经元模型 | 第34-35页 |
| ·基于阵列级联FHN神经元的一维弱信号随机共振增强研究 | 第35-39页 |
| ·一维周期弱信号随机共振增强研究 | 第35-37页 |
| ·一维非周期弱信号随机共振增强研究 | 第37-39页 |
| ·基于阵列级联FHN神经元的二值图像弱信号随机共振增强研究 | 第39-43页 |
| ·图像降维方法 | 第39页 |
| ·算法步骤 | 第39-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·小结 | 第43-44页 |
| 第5章 基于方向响应的IF神经元模型图像边缘检测 | 第44-52页 |
| ·图像边缘检测概述 | 第44页 |
| ·基本原理 | 第44-46页 |
| ·方向响应模型 | 第44-45页 |
| ·神经元模型 | 第45页 |
| ·最大香农熵 | 第45页 |
| ·算法步骤 | 第45-46页 |
| ·基于方向响应的IF神经元模型图像边缘检测 | 第46-51页 |
| ·方向响应模型预处理后的直方图分布 | 第46-48页 |
| ·方向响应模型的方向选择性 | 第48-49页 |
| ·不同方法图像边缘检测结果的比较 | 第49-51页 |
| ·小结 | 第51-52页 |
| 第6章 随机共振机制和神经元模型在低剂量肺部CT图像中的应用 | 第52-61页 |
| ·低剂量肺部CT图像概述 | 第52-53页 |
| ·基于双稳态随机共振机制的低剂量肺部CT图像增强 | 第53-57页 |
| ·定量评价方法 | 第53页 |
| ·低剂量肺部CT图像增强的实现过程 | 第53-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·基于方向响应的IF神经元模型低剂量肺部CT图像边缘检测 | 第57-59页 |
| ·双稳态随机共振机制的方向响应IF神经元低剂量肺部CT图像边缘检测 | 第59-60页 |
| ·小结 | 第60-61页 |
| 第7章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69页 |
