| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 PCNN与本课题相关技术的研究现状 | 第10-13页 |
| 1.2.1 PCNN及其相关模型的研究现状 | 第10-11页 |
| 1.2.2 PCNN在彩色图像分割的研究现状 | 第11-12页 |
| 1.2.3 基于PCNN的图像检索的研究现状 | 第12-13页 |
| 1.3 本论文研究内容及结构安排 | 第13-14页 |
| 第2章 PCNN基本理论 | 第14-22页 |
| 2.1 PCNN及其相关模型 | 第14-17页 |
| 2.1.1 PCNN模型 | 第14-15页 |
| 2.1.2 MPCNN模型 | 第15-16页 |
| 2.1.3 传统 3D-PCNN模型 | 第16-17页 |
| 2.2 PCNN工作原理 | 第17-19页 |
| 2.3 PCNN特性分析 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 改进的PCNN在中药材彩色显微图像分割中的应用 | 第22-42页 |
| 3.1 彩色图像分割概述 | 第22-27页 |
| 3.1.1 图像分割定义 | 第22-23页 |
| 3.1.2 彩色图像分割方法 | 第23-27页 |
| 3.2 基于改进 3D-PCNN的中药材彩色显微图像自动分割 | 第27-31页 |
| 3.2.1 彩色空间 | 第27页 |
| 3.2.2 改进 3D-PCNN模型 | 第27-29页 |
| 3.2.3 最大综合判定准则 | 第29-30页 |
| 3.2.4 分割步骤 | 第30-31页 |
| 3.3 实验仿真结果与分析 | 第31-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 PCNN在中药材彩色显微图像检索中的应用 | 第42-51页 |
| 4.1 图像检索方法概述 | 第42-44页 |
| 4.2 基于改进 3D-PCNN的中药材彩色显微图像检索 | 第44-45页 |
| 4.3 实验仿真结果与分析 | 第45-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
| 致谢 | 第58页 |
