| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 引言 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·研究目的 | 第14页 |
| ·章节安排 | 第14-16页 |
| 第二章 PCNN 的基本理论 | 第16-23页 |
| ·典型PCNN 的基本结构 | 第16-18页 |
| ·参数说明 | 第18-19页 |
| ·PCNN 的特性 | 第19-20页 |
| ·PCNN 的结构改进 | 第20-22页 |
| ·fast-linking PCNN | 第20-21页 |
| ·quantized-linking PCNN | 第21页 |
| ·线性阈值衰减 PCNN | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于 PCNN 的图像自动分割新方法 | 第23-37页 |
| ·图像分割及常用方法 | 第23-26页 |
| ·图像分割 | 第23-24页 |
| ·图像分割的常用方法 | 第24-26页 |
| ·PCNN 图像分割的原理和发展状况 | 第26-28页 |
| ·PCNN 图像分割的原理 | 第26页 |
| ·PCNN 图像分割的发展状况 | 第26-28页 |
| ·基于自适应阈值衰减时间常数PCNN 的图像自动分割新方法 | 第28-36页 |
| ·简化版 PCNN | 第28-29页 |
| ·自适应阈值衰减时间常数 | 第29-30页 |
| ·输出结果选择标准 | 第30-33页 |
| ·PCNN 图像自动分割新方法 | 第33页 |
| ·实验和分析 | 第33-36页 |
| ·本章小节 | 第36-37页 |
| 第四章 PCNN 实现图像细化 | 第37-53页 |
| ·图像细化及其方法 | 第37-38页 |
| ·图像细化的定义 | 第37页 |
| ·图像细化的方法 | 第37-38页 |
| ·PCNN 图像细化的理论基础和模型设计 | 第38-41页 |
| ·PCNN 自动波 | 第38-40页 |
| ·自动波和图像细化 | 第40页 |
| ·模型设计 | 第40-41页 |
| ·基于单PCNN 的图像细化 | 第41-43页 |
| ·“顾晓东”条件及其缺陷 | 第42页 |
| ·“尚利峰”条件及其缺陷 | 第42-43页 |
| ·基于双PCNN 的环样图像细化 | 第43-52页 |
| ·算法基本思想 | 第44页 |
| ·自动波同步 | 第44-45页 |
| ·算法流程 | 第45-49页 |
| ·实验和分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于 PCNN 的图像边框去除方法 | 第53-57页 |
| ·基本思想 | 第53-54页 |
| ·算法流程和实验 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 PCNN 时间签名及其在图像识别上的应用 | 第57-63页 |
| ·PCNN 时间签名及其特性 | 第57-59页 |
| ·PCNN 时间签名 | 第57-58页 |
| ·时间签名的特性 | 第58-59页 |
| ·基于PCNN 时间签名的图像识别 | 第59页 |
| ·算法流程 | 第59页 |
| ·实验 | 第59页 |
| ·进一步的讨论 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 在学期间的研究成果 | 第72-73页 |