| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究目的和意义 | 第11-13页 |
| 1.2.1 PCNN与图像分割 | 第11-12页 |
| 1.2.2 PCNN与图像融合 | 第12-13页 |
| 1.3 论文主要研究工作与内容安排 | 第13-15页 |
| 第2章 脉冲耦合神经网络基本理论 | 第15-22页 |
| 2.1 脉冲耦合神经网络基本模型 | 第15-16页 |
| 2.2 PCNN模型参数 | 第16-17页 |
| 2.3 PCNN工作机理 | 第17-20页 |
| 2.3.1 无耦合连接 | 第17-19页 |
| 2.3.2 耦合连接 | 第19-20页 |
| 2.4 PCNN基本特性 | 第20-21页 |
| 2.5 小结 | 第21-22页 |
| 第3章 结合PSO和综合评价的PCNN图像自动分割 | 第22-34页 |
| 3.1 PCNN图像分割模型 | 第22-24页 |
| 3.2 结合PSO和综合评价准则的图像分割算法 | 第24-27页 |
| 3.2.1 PSO优化原理 | 第24-25页 |
| 3.2.2 综合评价准则 | 第25-27页 |
| 3.2.3 算法步骤 | 第27页 |
| 3.3 图像分割实验与分析 | 第27-33页 |
| 3.4 小结 | 第33-34页 |
| 第4章 基于NSCT和DCPCNN的图像融合方法 | 第34-57页 |
| 4.1 NSCT变换 | 第34-36页 |
| 4.2 分段式动态阈值DCPCNN图像融合模型 | 第36-38页 |
| 4.3 基于NSCT和DCPCNN的图像融合算法 | 第38-43页 |
| 4.3.1 低频子带系数融合规则 | 第39-42页 |
| 4.3.2 高频子带系数融合规则 | 第42-43页 |
| 4.4 图像融合算法实验与分析 | 第43-56页 |
| 4.4.1 DCPCNN图像低频系数融合模板 | 第43-46页 |
| 4.4.2 多聚焦图像融合 | 第46-56页 |
| 4.5 小结 | 第56-57页 |
| 第5章 总结和展望 | 第57-59页 |
| 5.1 论文总结 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间的研究成果 | 第64页 |