改进型脉冲耦合神经网络在图像混合噪声中的应用研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-10页 |
| ·人工神经网络的发展 | 第7-8页 |
| ·PCNN的研究及其现状 | 第8-9页 |
| ·论文的主要工作和创新点 | 第9-10页 |
| 第二章 脉冲耦合神经网络(PCNN) | 第10-19页 |
| ·传统PCNN模型及工作原理 | 第10-13页 |
| ·PCNN的神经元模型 | 第10-12页 |
| ·PCNN的神经元特性 | 第12-13页 |
| ·简化型PCNN模型 | 第13-15页 |
| ·改进型PCNN模型 | 第15-16页 |
| ·PCNN在图像领域的应用 | 第16-18页 |
| ·图像去噪 | 第17页 |
| ·图像分割 | 第17页 |
| ·图像融合 | 第17-18页 |
| ·模式识别 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 图像处理中的噪声和滤波方法 | 第19-27页 |
| ·图像处理中的噪声 | 第19页 |
| ·噪声的特征与分类 | 第19-22页 |
| ·脉冲噪声特性 | 第19-20页 |
| ·高斯噪声特性 | 第20-22页 |
| ·滤波器的性能 | 第22-23页 |
| ·图像处理中的滤波方法 | 第23-25页 |
| ·均值滤波器 | 第23-24页 |
| ·中值滤波器 | 第24页 |
| ·基于神经网络的滤波器 | 第24-25页 |
| ·基于模糊数学的滤波器 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第四章 简化型PCNN的脉冲噪声滤波器 | 第27-36页 |
| ·存在的问题及解决办法 | 第27-28页 |
| ·模型及参数设置 | 第28-31页 |
| ·简化型PCNN模型 | 第28-29页 |
| ·参数设置 | 第29页 |
| ·噪声点判断分析处理 | 第29-31页 |
| ·算法步骤 | 第31页 |
| ·仿真结果与分析 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 改进型PCNN的混合噪声滤波器 | 第36-46页 |
| ·存在的问题及解决办法 | 第36-37页 |
| ·模型及参数设置 | 第37-41页 |
| ·改进型PCNN模型 | 第37-38页 |
| ·噪声点的判断分析处理 | 第38页 |
| ·参数的设置 | 第38-40页 |
| ·算法步骤 | 第40-41页 |
| ·仿真结果与分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
