基于脉冲耦合神经网络的图像分割与图像融合研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 图像分割背景 | 第8-9页 |
| 1.2 图像融合背景 | 第9-10页 |
| 1.3 PCNN与图像处理 | 第10-11页 |
| 1.4 本论文的结构安排 | 第11-12页 |
| 第二章 PCNN原理及应用 | 第12-20页 |
| 2.1 概述 | 第12页 |
| 2.2 PCNN基本模型 | 第12-14页 |
| 2.3 PCNN神经元运行方式 | 第14-16页 |
| 2.4 PCNN特性 | 第16-17页 |
| 2.5 PCNN在图像处理中应用 | 第17-19页 |
| 2.5.1 图象去噪 | 第18页 |
| 2.5.2 图像融合 | 第18页 |
| 2.5.3 目标识别 | 第18-19页 |
| 2.5.4 图像分割 | 第19页 |
| 2.6 本章小结 | 第19-20页 |
| 第三章 基于PCNN和信息熵的图像分割 | 第20-28页 |
| 3.1 分割方法概述 | 第20-22页 |
| 3.1.1 阈值分割法 | 第20-21页 |
| 3.1.2 区域法 | 第21页 |
| 3.1.3 边缘检测法 | 第21-22页 |
| 3.1.4 其它分割方法 | 第22页 |
| 3.2 基于最大熵准则PCNN分割 | 第22-26页 |
| 3.2.1 最大熵 | 第22-23页 |
| 3.2.2 改进的PCNN | 第23-25页 |
| 3.2.3 实验结果 | 第25-26页 |
| 3.3 基于最小交叉熵的PCNN分割 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 基于PCNN和最大方差比的图像分割 | 第28-37页 |
| 4.1 最大方差比法 | 第28-30页 |
| 4.2 基于PCNN和最大方差比的图像分割 | 第30-33页 |
| 4.3 实验结果及分析 | 第33-36页 |
| 4.3.1 主观评价 | 第33-35页 |
| 4.3.2 客观评价标准 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第五章 基于PCNN和LP的图像融合 | 第37-47页 |
| 5.1 图像融合概述 | 第37-40页 |
| 5.1.1 图像融合层次 | 第38-39页 |
| 5.1.2 评价准则 | 第39-40页 |
| 5.2 拉普拉斯金字塔(LP) | 第40-41页 |
| 5.3 基于PCNN和LP的图像融合 | 第41-44页 |
| 5.4 实验与分析 | 第44-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53页 |
