基于脉冲耦合神经网络的图像增强算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·数字图像处理概述 | 第9-11页 |
| ·数字图像处理技术的特点 | 第9-10页 |
| ·数字图像处理的主要方法 | 第10-11页 |
| ·数字图像处理的应用 | 第11页 |
| ·本文内容与章节安排 | 第11-13页 |
| 第二章 图像增强技术 | 第13-29页 |
| ·灰度变换 | 第13-16页 |
| ·灰度线性变换 | 第13-14页 |
| ·分段线性灰度变换 | 第14-15页 |
| ·非线性灰度变换 | 第15-16页 |
| ·直方图修正 | 第16-18页 |
| ·灰度直方图 | 第16页 |
| ·直方图均衡化及实验结果 | 第16-18页 |
| ·直方图匹配（规定化） | 第18页 |
| ·图像平滑 | 第18-22页 |
| ·邻域平均法 | 第19页 |
| ·频域中低通滤波和带阻滤波 | 第19-21页 |
| ·中值滤波及其实验结果 | 第21-22页 |
| ·图像锐化 | 第22-25页 |
| ·梯度模算子 | 第22-24页 |
| ·拉氏算子 | 第24页 |
| ·Wallis 算子 | 第24页 |
| ·高通滤波 | 第24-25页 |
| ·同态滤波 | 第25-26页 |
| ·彩色增强 | 第26-28页 |
| ·伪彩色增强 | 第26-27页 |
| ·假彩色增强 | 第27-28页 |
| ·本章小节 | 第28-29页 |
| 第三章 神经网络在图像增强中的应用 | 第29-41页 |
| ·神经网络概述 | 第29-33页 |
| ·神经网络发展史 | 第29-30页 |
| ·神经网络的特点 | 第30页 |
| ·神经网络的互连模型 | 第30-32页 |
| ·神经网络的学习方式 | 第32页 |
| ·神经网络的学习规则 | 第32-33页 |
| ·神经网络的应用 | 第33页 |
| ·Hopfield 神经网络 | 第33页 |
| ·BP 网络 | 第33-36页 |
| ·BP 网络的学习过程和步骤 | 第33-35页 |
| ·实验仿真 | 第35-36页 |
| ·径向基函数网络（RBF 神经网络） | 第36-38页 |
| ·RBF 神经网络的结构 | 第36-37页 |
| ·实验仿真 | 第37-38页 |
| ·细胞神经网络 | 第38-39页 |
| ·模糊神经网络 | 第39页 |
| ·基于神经网络的图像增强 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于脉冲耦合神经网络的图像增强算法 | 第41-51页 |
| ·PCNN 概述 | 第41-42页 |
| ·PCNN 的模型 | 第42-44页 |
| ·Eckhorn 神经元模型 | 第42-43页 |
| ·脉冲耦合神经网络模型 | 第43-44页 |
| ·基于PCNN 的图像增强 | 第44-47页 |
| ·算法描述 | 第44-45页 |
| ·实验仿真结果及分析 | 第45-47页 |
| ·基于改进的PCNN 模型的图像增强 | 第47-50页 |
| ·改进的PCNN 模型 | 第47-48页 |
| ·算法描述实验仿真结果及分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 全文总结 | 第51-52页 |
| ·总结 | 第51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 研究生期间发表的论文 | 第56页 |
