特征连接模型及其应用
摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第10-16页 |
1.1 引言 | 第10-13页 |
1.1.1 选题背景及意义 | 第10-11页 |
1.1.2 局部连接网络的研究动态 | 第11-13页 |
1.2 研究工作及内容安排 | 第13-16页 |
1.2.1 研究的主要内容 | 第13-14页 |
1.2.2 内容安排 | 第14-16页 |
第二章 局部连接神经网络 | 第16-26页 |
2.1 生物神经元和人工神经元模型 | 第16-19页 |
2.1.1 生物神经元 | 第16-17页 |
2.1.2 人工神经元模型 | 第17-19页 |
2.2 脉冲耦合神经网络模型 | 第19-22页 |
2.2.1 PCNN的提出及研究界的关注 | 第19页 |
2.2.2 PCNN的标准模型与工作机理 | 第19-22页 |
2.3 脉冲耦合神经网络的经典改进模型 | 第22-26页 |
2.3.1 交叉皮层模型 | 第22-23页 |
2.3.2 脉冲发放皮层模型 | 第23-25页 |
2.3.3 连接突触计算模型 | 第25-26页 |
第三章 特征连接模型 | 第26-34页 |
3.1 特征连接模型 | 第26-28页 |
3.1.1 漏电积分器 | 第26-27页 |
3.1.2 膜电位 | 第27-28页 |
3.1.3 阈值 | 第28页 |
3.1.4 动作电位 | 第28页 |
3.2 特征连接模型 | 第28-31页 |
3.2.1 通过同步实现特征连接 | 第29-31页 |
3.3 赋时矩阵 | 第31-32页 |
3.3.1 赋时矩阵 | 第31-32页 |
3.4 单通工作模式 | 第32页 |
3.5 T_(ij)和S_(ij)之间的关系 | 第32-34页 |
第四章 图像增强 | 第34-48页 |
4.1 图像增强定义 | 第34页 |
4.2 初始化和参数特性 | 第34-36页 |
4.2.1 标准化输入图像灰度值 | 第34页 |
4.2.2 参数f | 第34-35页 |
4.2.3 初始阈值 Θ_(ij)(0) | 第35-36页 |
4.3 FLM实现对图像的增强 | 第36-37页 |
4.3.1 输出增强图像J | 第36页 |
4.3.2 优化输出 | 第36-37页 |
4.4 实验与结果 | 第37-38页 |
4.4.1 实验设置 | 第37-38页 |
4.4.2 实验结果 | 第38页 |
4.5 结果评价 | 第38-45页 |
4.5.1 主观评价 | 第43-45页 |
4.5.2 客观评价 | 第45页 |
4.6 本章小结 | 第45-48页 |
第五章 图像分割 | 第48-62页 |
5.1 图像分割 | 第48-50页 |
5.1.1 定义 | 第48页 |
5.1.2 算法分类 | 第48-50页 |
5.2 FLM分割算法 | 第50-52页 |
5.2.1 快速连接 | 第50页 |
5.2.2 预处理图像 | 第50-51页 |
5.2.3 最大迭代次数 | 第51-52页 |
5.2.4 输出结果 | 第52页 |
5.3 实验与结果 | 第52-53页 |
5.3.1 实验设置 | 第52-53页 |
5.3.2 实验结果 | 第53页 |
5.4 实验评价 | 第53-60页 |
5.4.1 主观评价 | 第53-60页 |
5.4.2 客观评价 | 第60页 |
5.5 本章小结 | 第60-62页 |
第六章 图像复原 | 第62-71页 |
6.1 图像复原定义 | 第62页 |
6.2 常见噪声 | 第62-63页 |
6.2.1 加性噪声 | 第62-63页 |
6.2.2 乘性噪声 | 第63页 |
6.3 FLM复原算法 | 第63-64页 |
6.4 试验与结果 | 第64-66页 |
6.4.1 实验设置 | 第64-65页 |
6.4.2 中值滤波 | 第65-66页 |
6.4.3 均值滤波 | 第66页 |
6.5 结果评价 | 第66-67页 |
6.5.1 主观评价 | 第66页 |
6.5.2 客观评价 | 第66-67页 |
6.6 本章小结 | 第67-71页 |
第七章 总结与展望 | 第71-73页 |
7.1 论文总结 | 第71页 |
7.2 展望 | 第71-73页 |
参考文献 | 第73-79页 |
在学期间的研究成果 | 第79-80页 |
致谢 | 第80页 |