| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第1章 绪论 | 第11-20页 |
| ·研究背景和意义 | 第11-12页 |
| ·PCNN 与本研究相关技术的国内外研究现状 | 第12-16页 |
| ·PCNN 与图像分割技术 | 第13-14页 |
| ·PCNN 与图像滤波技术 | 第14-15页 |
| ·PCNN 与生物医学图像处理技术 | 第15页 |
| ·PCNN 与目标检测技术 | 第15-16页 |
| ·论文的主要工作、结构及创新点 | 第16-20页 |
| 第2章 PCNN 的基本理论及其图像处理应用 | 第20-27页 |
| ·PCNN 的基本模型 | 第20-22页 |
| ·PCNN 的图像处理原理 | 第22-23页 |
| ·PCNN 的图像处理特性分析 | 第23-24页 |
| ·PCNN 图像处理原理分析 | 第24-26页 |
| ·图像分割 | 第25页 |
| ·图像降噪 | 第25-26页 |
| ·目标检测与识别 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于灰度迭代阈值PCNN 的图像分割 | 第27-43页 |
| ·背景介绍 | 第27-29页 |
| ·基于灰度迭代阈值的PCNN 模型（GIT-PCNN） | 第29-31页 |
| ·PCNN 模型简化 | 第29-30页 |
| ·灰度迭代阈值计算 | 第30-31页 |
| ·基于灰度迭代阈值PCNN 的分割算法 | 第31-32页 |
| ·灰度迭代阈值算法 | 第31-32页 |
| ·GIT-PCNN 分割算法 | 第32页 |
| ·实验结果与性能评估 | 第32-42页 |
| ·分割结果比较 | 第33-39页 |
| ·分割性能比较 | 第39-41页 |
| ·分割速度比较 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于单一链接PCNN 的自适应脉冲噪声滤波 | 第43-56页 |
| ·背景介绍 | 第43-44页 |
| ·Single-linking PCNN 极端脉冲噪声滤波原理 | 第44-48页 |
| ·选取阈值? | 第46页 |
| ·确定噪声密度ND | 第46-47页 |
| ·选取滤波次数T | 第47-48页 |
| ·Single-linking PCNN 极端脉冲噪声滤波算法 | 第48-49页 |
| ·实验结果与性能评估 | 第49-55页 |
| ·实验结果 | 第49-54页 |
| ·误差分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于 Matching Pursuit-PCNN 的超声多普勒血流信号声谱图降噪去斑 | 第56-73页 |
| ·背景介绍 | 第56-59页 |
| ·超声多普勒血流信号的仿真 | 第59-62页 |
| ·MP-PCNN 降噪去斑原理 | 第62-65页 |
| ·MP 降噪原理 | 第62-63页 |
| ·单向衰减阈值PCNN 去斑模型 | 第63-65页 |
| ·MP-PCNN 降噪去斑算法 | 第65-67页 |
| ·MP 降噪算法实现 | 第65-66页 |
| ·单向衰减阈值PCNN 去斑算法 | 第66-67页 |
| ·实验结果与性能评估 | 第67-71页 |
| ·本章小结 | 第71-73页 |
| 第6章 基于 unit-linking PCNN 时间签名的人脸检测 | 第73-84页 |
| ·背景介绍 | 第73-74页 |
| ·unit-linking PCNN 模型及其时间签名 | 第74-79页 |
| ·unit-linking PCNN 模型 | 第74-76页 |
| ·unit-linking PCNN 时间签名提取算法 | 第76-79页 |
| ·unit-linking PCNN 时间签名在人脸检测中的应用 | 第79-80页 |
| ·人脸检测算法 | 第79-80页 |
| ·人脸块左上角坐标距离聚类算法 | 第80页 |
| ·实验结果 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 第7章 总结与展望 | 第84-89页 |
| ·结论分析和总结 | 第84-87页 |
| ·灰度迭代阈值PCNN 分割模型 | 第84-85页 |
| ·Single-linking PCNN 极端脉冲噪声滤波模型 | 第85-86页 |
| ·MP-PCNN 超声多普勒血流信号STFT 声谱图降噪去斑模型 | 第86页 |
| ·Unit-linking PCNN 时间签名人脸检测方法 | 第86-87页 |
| ·展望 | 第87-89页 |
| ·PCNN 的动力学机制研究 | 第87页 |
| ·PCNN 的学习能力 | 第87-88页 |
| ·PCNN 时间签名在多目标识别方面的应用 | 第88-89页 |
| 参考文献 | 第89-96页 |
| 致谢 | 第96-98页 |
| 附录：博士期间研究成果 | 第98-100页 |
