| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·引言 | 第9-10页 |
| ·脉冲耦合神经网络的研究现状 | 第10-12页 |
| ·本文的主要研究内容和安排 | 第12-15页 |
| ·本文的主要研究内容 | 第12页 |
| ·本文的结构安排 | 第12-15页 |
| 第二章 脉冲耦合神经网络 | 第15-21页 |
| ·脉冲耦合神经网络模型 | 第15-17页 |
| ·脉冲耦合神经网络的特性分析 | 第17-18页 |
| ·脉冲耦合神经网络的运行机制 | 第18-19页 |
| ·无耦合连接的PCNN模型 | 第18页 |
| ·耦合连接的PCNN模型 | 第18-19页 |
| ·反向捕捉的脉冲耦合神经网络 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 脉冲耦合神经网络的参数调整 | 第21-45页 |
| ·图像局部特征 | 第21-25页 |
| ·图像梯度 | 第21-23页 |
| ·图像局部熵 | 第23-25页 |
| ·灰度关联度 | 第25页 |
| ·图像局部特征用于PCNN参数调整 | 第25-30页 |
| ·图像局部特征调整链接强度 | 第26-27页 |
| ·图像局部特征调整链接权值 | 第27-30页 |
| ·实验结果与分析 | 第30-43页 |
| ·图像分割结果的评价 | 第30-36页 |
| ·最佳迭代次数的选取与分析 | 第36-38页 |
| ·链接强度的调整实验与分析 | 第38-40页 |
| ·链接权值的调整实验与分析 | 第40-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 脉冲耦合神经元充分捕捉特性用于图像分割 | 第45-57页 |
| ·PCNN神经元的充分捕捉特性 | 第45-47页 |
| ·PCNN神经元充分捕捉特性用于图像分割 | 第47-51页 |
| ·PCNN神经元充分捕捉特性用于图像分割的基本思想 | 第47页 |
| ·算法的主要问题及解决方法 | 第47-50页 |
| ·PCNN神经元充分捕捉特性用于图像分割的算法流程 | 第50-51页 |
| ·实验结果与分析 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 脉冲耦合神经网络的模型改进及其应用 | 第57-69页 |
| ·PCNN基本模型的固有缺陷 | 第57页 |
| ·PCNN模型的改进 | 第57-60页 |
| ·神经元的突触整合特性 | 第57-58页 |
| ·基于突触整合特性的PCNN模型 | 第58-59页 |
| ·基于突触整合特性和充分捕捉特性的PCNN模型 | 第59-60页 |
| ·改进的PCNN模型用于图像分割 | 第60-62页 |
| ·改进的PCNN模型用于图像分割的算法 | 第60-61页 |
| ·参数设定方法 | 第61-62页 |
| ·实验结果与分析 | 第62-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 结论与展望 | 第69-71页 |
| ·结论 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |