| 第一章 引言 | 第1-14页 |
| ·脉冲耦合神经网络的研究现状 | 第9-10页 |
| ·选题的意义 | 第10-12页 |
| ·论文主要工作及贡献 | 第12-14页 |
| 第二章 脉沖耦合神经网络(PCNN)的基本理论 | 第14-24页 |
| ·生物视神经模型 | 第14-15页 |
| ·脉冲耦合神经元模型 | 第15-18页 |
| ·突触部分 | 第16页 |
| ·耦合部分 | 第16-17页 |
| ·脉沖发生部分 | 第17-18页 |
| ·脉冲耦合神经元与传统神经元的区别 | 第18页 |
| ·本文选用的脉冲耦合神经元模型的简化形式 | 第18-20页 |
| ·馈送域 | 第19-20页 |
| ·链接域 | 第20页 |
| ·阈值的调整方式 | 第20页 |
| ·脉冲耦合神经网络 | 第20-24页 |
| ·PCNN运行机制 | 第21-22页 |
| ·PCNN图像处理原理 | 第22-24页 |
| 第三章 PCNN在二值图像去噪中的应用及参数的选取 | 第24-34页 |
| ·基于PCNN的二值图像去噪 | 第24-29页 |
| ·基于PCNN的二值图像去噪算法 | 第24-26页 |
| ·仿真实验结果及结论 | 第26-29页 |
| ·算法中若干参数的选取研究 | 第29-32页 |
| ·算法用于去除椒盐噪声时各参数的选取研究 | 第29-31页 |
| ·算法用于去除高斯白噪声时各参数的选取研究 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 PCNN在图像分割中的应用及参数的选取 | 第34-45页 |
| ·基于PCNN的灰度图像分割 | 第34-39页 |
| ·图像分割定义 | 第34-35页 |
| ·基于最大熵和PCNN的图像分割 | 第35-37页 |
| ·仿真实验结果及结论 | 第37-39页 |
| ·算法中若干参数的选取研究 | 第39-43页 |
| ·最终测量精度评价准则 | 第40-41页 |
| ·链接强度β_(ij)的选择 | 第41-43页 |
| ·阈值θ_(ij)的初值的选择 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第五章 PCNN在二值图像边缘检测中的应用及参数的选取 | 第45-52页 |
| ·基于PCNN的二值图像边缘检测 | 第45-48页 |
| ·基于PCNN图像边缘检测算法 | 第45-46页 |
| ·仿真实验结果及结论 | 第46-48页 |
| ·算法中若干参数的选取研究 | 第48-51页 |
| ·链接强度β_(ij)的选择 | 第49页 |
| ·阈值θ_(ij)的选择 | 第49-51页 |
| ·算法中循环次数N的选择 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第六章 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间完成的论文 | 第58-59页 |
| 致谢 | 第59-60页 |