PCNN在图像处理中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·国内外数字图像处理研究的现状及发展方向 | 第9-13页 |
| ·图像增强 | 第10页 |
| ·图像分割 | 第10-11页 |
| ·图像压缩 | 第11-12页 |
| ·图像识别 | 第12-13页 |
| ·煤矿井下图像 | 第13-14页 |
| ·本课题任务 | 第14-15页 |
| 2 脉冲耦合神经网络（PCNN） | 第15-21页 |
| ·PCNN 在图像处理方面的应用研究 | 第16页 |
| ·PCNN 原理 | 第16-21页 |
| ·PCNN 的基本模型 | 第16-18页 |
| ·PCNN 与数字图像处理 | 第18-21页 |
| 3 PCNN 在煤矿井下图像滤波的应用 | 第21-39页 |
| ·噪声的分类 | 第21-22页 |
| ·传统的去噪方法 | 第22-24页 |
| ·线性滤波器 | 第22-23页 |
| ·非线性平滑滤波器 | 第23-24页 |
| ·改进的简化的 PCNN 对煤矿井下图像滤波 | 第24-39页 |
| ·一种简化的 PCNN | 第24-25页 |
| ·改进的简化 PCNN | 第25-28页 |
| ·实验仿真及结果分析 | 第28-39页 |
| 4 基于改进的简化 PCNN 模型的图像分割 | 第39-50页 |
| ·图像分割定义 | 第39页 |
| ·常用图像分割算法 | 第39-42页 |
| ·灰度门限法 | 第40页 |
| ·直接门限法 | 第40页 |
| ·间接门限法 | 第40-41页 |
| ·多门限法 | 第41页 |
| ·灰度门限的确定 | 第41-42页 |
| ·基于交叉熵的改进型 PCNN 图像自动分割方法 | 第42-50页 |
| ·最小交叉熵阈值分割算法 | 第42-43页 |
| ·改进的简化 PCNN 图像分割 | 第43-45页 |
| ·实验仿真及结果分析 | 第45-50页 |
| 5 总结与展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55页 |
