异构神经网络图像量化算法研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-21页 |
| ·课题研究意义 | 第9页 |
| ·人眼视觉特性 | 第9-13页 |
| ·对比灵敏度 | 第10-11页 |
| ·Machband效应 | 第11-12页 |
| ·视觉掩蔽效应 | 第12-13页 |
| ·图像量化方法 | 第13-19页 |
| ·均匀量化算法 | 第13-14页 |
| ·A率 μ 率量化算法 | 第14页 |
| ·K-means聚类量化算法 | 第14-16页 |
| ·DCT量化算法 | 第16-19页 |
| ·论文内容与撰写安排 | 第19-21页 |
| 第二章 神经网络 | 第21-28页 |
| ·脉冲耦合神经网络 | 第21-25页 |
| ·PCNN模型简介 | 第21-22页 |
| ·PCNN运行特性 | 第22-24页 |
| ·PCNN与人眼视觉特性 | 第24页 |
| ·PCNN在图像处理中的应用 | 第24-25页 |
| ·异构神经网络 | 第25-26页 |
| ·异构PCNN | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 HPCNN图像量化算法 | 第28-35页 |
| ·PCNN图像量化算法 | 第28-30页 |
| ·PCNN参数自适应设置 | 第28-29页 |
| ·PCNN量化算法 | 第29-30页 |
| ·HPCNN图像量化算法 | 第30-34页 |
| ·图像分割 | 第30-32页 |
| ·图像平滑 | 第32页 |
| ·HPCNN量化算法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 Mini2440硬件开发平台 | 第35-42页 |
| ·硬件组成 | 第35-36页 |
| ·ARM处理器介绍 | 第36-39页 |
| ·ARM核介绍 | 第37-38页 |
| ·芯片架构 | 第38页 |
| ·CPU工作模式 | 第38-39页 |
| ·S3C2440A芯片介绍 | 第39-40页 |
| ·构建交叉编译环境 | 第40-41页 |
| ·配置网络文件系统NFS服务 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 算法移植与软件开发 | 第42-50页 |
| ·算法移植 | 第42-46页 |
| ·图像卷积运算 | 第43-44页 |
| ·计算OTSU阈值 | 第44-45页 |
| ·计算PCNN参数 | 第45-46页 |
| ·软件开发 | 第46-49页 |
| ·QT移植 | 第46-47页 |
| ·QT图形界面开发 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 实验结果分析和讨论 | 第50-57页 |
| ·PCNN图像量化结果分析 | 第50-53页 |
| ·HPCNN图像量化结果分析 | 第53-57页 |
| 第七章 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |
