| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·人工神经网络 | 第10-11页 |
| ·研究PCNN 的意义及应用现状 | 第11-13页 |
| ·论文的主要工作和创新点 | 第13-15页 |
| 第二章 脉冲耦合神经网络（PCNN） | 第15-24页 |
| ·PCNN 模型及原理 | 第15-20页 |
| ·PCNN 神经元的基本模型 | 第15-18页 |
| ·PCNN 神经元的特性 | 第18-20页 |
| ·改进型PCNN 通用模型 | 第20-21页 |
| ·PCNN 的简化模型 | 第21-22页 |
| ·Unit-Linking PCNN 模型 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于Unit-Linking PCNN 和HSI 空间的彩色图像分割 | 第24-35页 |
| ·图像分割存在的问题 | 第24页 |
| ·图像分割存在问题的解决 | 第24-25页 |
| ·基于Unit-Linking PCNN 和HSI 空间的彩色图像分割 | 第25-31页 |
| ·彩色空间的选择 | 第25-28页 |
| ·最大香农熵图像分割准则 | 第28页 |
| ·最大类间方差阈值分割准则 | 第28-29页 |
| ·基于HSI 空间的彩色图像分割方法 | 第29-30页 |
| ·分量合并策略 | 第30-31页 |
| ·计算机仿真结果及分析 | 第31-33页 |
| ·结论 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于Unit-Linking PCNN 的彩色图像边缘检测 | 第35-46页 |
| ·图像边缘检测存在的问题 | 第35页 |
| ·图像边缘检测存在问题的解决 | 第35页 |
| ·基于Unit-Linking PCNN 的彩色图像边缘检测 | 第35-42页 |
| ·彩色图像预处理 | 第36-38页 |
| ·遗传算法 | 第38-39页 |
| ·偏态指标 | 第39-40页 |
| ·β、θ的确定 | 第40页 |
| ·PCNN 彩色图像分割 | 第40-41页 |
| ·彩色图像分割图的边缘检测 | 第41-42页 |
| ·检测分量的加权合并策略 | 第42页 |
| ·计算机仿真结果及分析 | 第42-45页 |
| ·结论 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第五章 结束语 | 第46-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间完成的论文 | 第53-54页 |
| 攻读硕士学位期间参加的科研项目与工作 | 第54-55页 |
| 致谢 | 第55页 |
