| 第一章 绪论 | 第1-22页 |
| ·细胞神经网络模型介绍 | 第10-13页 |
| ·细胞神经网络的动力学行为研究现状 | 第13-16页 |
| ·细胞神经网络在图像处理方面的研究现状 | 第16-17页 |
| ·论文的主要创新点 | 第17-20页 |
| ·论文的章节安排 | 第20-22页 |
| 第二章 细胞神经网络的基本理论 | 第22-37页 |
| ·细胞神经网络的基本结构 | 第22-25页 |
| ·细胞神经网络的非线性动力学行为 | 第25-28页 |
| ·细胞神经网络的稳定性分析 | 第28-36页 |
| ·细胞神经网络的全局渐近稳定性 | 第29-33页 |
| ·细胞神经网络的全局指数稳定性 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 具有常时滞的细胞神经网络的稳定性分析 | 第37-50页 |
| ·引言 | 第37-41页 |
| ·全局渐近稳定性分析 | 第41-46页 |
| ·计算机仿真结果 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 具有变时滞的细胞神经网络的全局稳定性 | 第50-69页 |
| ·概述 | 第50-52页 |
| ·具有变时滞的细胞神经网络的稳定性分析 | 第52-64页 |
| ·平衡点的存在性 | 第52-53页 |
| ·具有Lipschitz连续且有界的激活函数的全局指数稳定性条件 | 第53-57页 |
| ·具有Lipschitz连续且可微的激活函数的全局指数稳定性条件 | 第57-61页 |
| ·具有一般的激活函数的全局指数稳定性条件 | 第61-64页 |
| ·计算机仿真结果 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 具有连续分布时滞的回归神经网络的稳定性分析 | 第69-82页 |
| ·概述 | 第69-71页 |
| ·具有连续分布时滞的神经网络的稳定性分析 | 第71-80页 |
| ·一类具有连续分布时滞神经网络的稳定性 | 第71-74页 |
| ·具有连续分布时滞和一般激活函数的神经网络稳定性 | 第74-80页 |
| ·计算机仿真结果 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 离散细胞神经网络的稳定性分析 | 第82-94页 |
| ·引言 | 第82-85页 |
| ·离散细胞神经网络的收敛性 | 第85-92页 |
| ·单层时不变模板的DTCNNs的收敛性 | 第85-87页 |
| ·具有时滞的离散细胞神经网络的全局稳定性 | 第87-89页 |
| ·多层时变模板的DTCNNs的收敛性 | 第89-92页 |
| ·本章小结 | 第92-94页 |
| 第七章 基于离散细胞神经网络在图像分割中的应用 | 第94-106页 |
| ·引言 | 第94-96页 |
| ·离散细胞神经网络的动态轮廓实现 | 第96-100页 |
| ·离散细胞神经网络 | 第96页 |
| ·基于图像梯度的DTCNNs动态轮廓模型及系统结构 | 第96-97页 |
| ·用DTCNNs实现的网络模板参数 | 第97-100页 |
| ·GVF场的DTCNNs实现模板 | 第100-102页 |
| ·计算机仿真结果 | 第102-105页 |
| ·灰度图像上的应用 | 第102-103页 |
| ·二值图像上的应用 | 第103页 |
| ·医学图像上的应用 | 第103-104页 |
| ·计算复杂度 | 第104-105页 |
| ·本章小结 | 第105-106页 |
| 第八章 基于时滞离散细胞神经网络的光流场估计 | 第106-115页 |
| ·一种改进的光流场计算方法 | 第107-109页 |
| ·基于双层带时滞的离散细胞神经网络的光流场估计 | 第109-111页 |
| ·实验结果 | 第111-114页 |
| ·本章小结 | 第114-115页 |
| 第九章 总结与展望 | 第115-118页 |
| ·全文研究工作总结 | 第115-116页 |
| ·进一步研究设想 | 第116-118页 |
| 参考文献 | 第118-126页 |
| 攻读博士学位期间发表的学术论文 | 第126-127页 |
| 致谢 | 第127-128页 |
