| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-33页 |
| ·人工神经网络与图像处理 | 第13-19页 |
| ·人工神经网络生物学基础 | 第13-14页 |
| ·人工神经网络技术与发展 | 第14-17页 |
| ·人工神经网络在图像处理中的应用 | 第17-19页 |
| ·脉冲耦合神经网络的研究现状 | 第19-28页 |
| ·脉冲耦合神经网络的理论研究 | 第19-21页 |
| ·脉冲耦合神经网络的应用研究 | 第21-28页 |
| ·论文的研究背景和主要内容 | 第28-33页 |
| 第二章 脉冲耦合神经网络的理论基础 | 第33-51页 |
| ·视觉系统及其模型 | 第33-36页 |
| ·视觉系统的定性描述 | 第33-34页 |
| ·视觉系统的数学模型 | 第34-36页 |
| ·脉冲耦合神经网络基本模型 | 第36-43页 |
| ·Eckhorn神经元模型 | 第36-41页 |
| ·脉冲耦合神经网络模型 | 第41-43页 |
| ·脉冲耦合神经网络的运行机理 | 第43-48页 |
| ·无耦合链接的PCNN | 第43-45页 |
| ·耦合链接的PCNN | 第45-48页 |
| ·脉冲耦合神经网络的基本特性 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 基于脉冲耦合神经网络的图像噪声滤除 | 第51-85页 |
| ·图像噪声及其滤除 | 第51-59页 |
| ·图像噪声特点及模型 | 第51-54页 |
| ·图像噪声滤除方法 | 第54-59页 |
| ·基于自适应ULPCNN噪声检测的两级脉冲噪声滤波算法 | 第59-72页 |
| ·AULPCNN模型 | 第60-62页 |
| ·滤波算法描述 | 第62-65页 |
| ·实验结果与分析 | 第65-72页 |
| ·基于平滑抑制的自适应链接PCNN图像高斯噪声双边滤波算法 | 第72-83页 |
| ·SIAL-PCNN模型 | 第72-75页 |
| ·SIAL-PCNN双边滤波算法 | 第75-78页 |
| ·实验结果与分析 | 第78-83页 |
| ·本章小结 | 第83-85页 |
| 第四章 结合灰度熵变换的脉冲耦合神经网络小目标检测 | 第85-99页 |
| ·小目标图像检测概述 | 第85-88页 |
| ·空域检测 | 第86-87页 |
| ·时域检测 | 第87页 |
| ·空时混合检测 | 第87-88页 |
| ·图像灰度熵变换 | 第88-90页 |
| ·结合灰度熵变换的脉冲耦合神经网络小目标检测算法 | 第90-98页 |
| ·脉冲耦合神经网络改进模型 | 第90-91页 |
| ·交叉熵及其阈值检测 | 第91-93页 |
| ·小目标图像自动检测算法 | 第93-94页 |
| ·实验结果与分析 | 第94-98页 |
| ·本章小结 | 第98-99页 |
| 第五章 脉冲耦合神经网络在图像自动分割中的应用 | 第99-131页 |
| ·图像分割及其方法 | 第99-106页 |
| ·图像分割基本概念 | 第99-100页 |
| ·图像分割主要方法 | 第100-105页 |
| ·图像分割领域存在的问题 | 第105-106页 |
| ·基于超模糊熵ULPCNN二值图像自动分割新算法 | 第106-119页 |
| ·超模糊理论 | 第107-110页 |
| ·改进ULPCNN模型及二值图像分割 | 第110-112页 |
| ·实验结果与分析 | 第112-119页 |
| ·基于互信息改进型脉冲耦合神经网络多值图像自动分割算法 | 第119-128页 |
| ·互信息与互信息熵差 | 第119-120页 |
| ·改进型PCNN模型及其最大互信息图像分割算法 | 第120-122页 |
| ·实验结果与分析 | 第122-128页 |
| ·本章小结 | 第128-131页 |
| 第六章 基于脉冲耦合神经网络的图像NMI特征提取及检索 | 第131-149页 |
| ·图像检索技术概述 | 第131-136页 |
| ·基于文本图像检索方法 | 第131-132页 |
| ·基于内容图像检索方法 | 第132-135页 |
| ·图像检索研究面临的问题 | 第135-136页 |
| ·基于脉冲耦合神经网络的图像NMI特征提取及检索方法 | 第136-148页 |
| ·PCNN改进简化模型及图像二值序列分解 | 第137-139页 |
| ·图像NMI特征描述 | 第139-142页 |
| ·相似性度量 | 第142-143页 |
| ·实验结果与分析 | 第143-148页 |
| ·本章小结 | 第148-149页 |
| 第七章 总结与展望 | 第149-153页 |
| ·总结 | 第149-151页 |
| ·展望 | 第151-153页 |
| 致谢 | 第153-155页 |
| 参考文献 | 第155-179页 |
| 研究成果 | 第179-181页 |
