| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-11页 |
| ·脉冲耦合神经网络的应用研究 | 第11-13页 |
| ·研究的目的与章节安排 | 第13-15页 |
| ·研究目的 | 第13页 |
| ·章节安排 | 第13-15页 |
| 第二章 基本理论知识 | 第15-37页 |
| ·引言 | 第15页 |
| ·遗传算法 | 第15-18页 |
| ·遗传算法的基本思想 | 第15-16页 |
| ·自适应遗传算法 | 第16-18页 |
| ·脉冲耦合神经网络的基本理论 | 第18-27页 |
| ·脉冲耦合神经元模型 | 第18-21页 |
| ·脉冲耦合神经网络的工作机制 | 第21-24页 |
| ·PCNN的主要特征 | 第24-25页 |
| ·PCNN的性能参数 | 第25-26页 |
| ·PCNN模型的简化 | 第26-27页 |
| ·图像去噪 | 第27-31页 |
| ·图像去噪定义 | 第27-28页 |
| ·传统图像去噪算法 | 第28-31页 |
| ·图像分割 | 第31-35页 |
| ·传统经典图像分割算法 | 第31-33页 |
| ·新兴图像分割算法 | 第33-35页 |
| ·本章小节 | 第35-37页 |
| 第三章 基于PCNN的图像增强 | 第37-50页 |
| ·噪声的种类与性质 | 第37-38页 |
| ·基于PCNN的图像去噪 | 第38-39页 |
| ·PCNN图像去噪基本思路 | 第38-39页 |
| ·去噪评价标准与算法描述 | 第39页 |
| ·PCNN的脉冲噪声滤除 | 第39-45页 |
| ·算法描述 | 第40-41页 |
| ·实验仿真及评价 | 第41-45页 |
| ·PCNN的混合噪声的滤除 | 第45-49页 |
| ·算法描述 | 第45-46页 |
| ·算法仿真及评价 | 第46-49页 |
| ·本章小节 | 第49-50页 |
| 第四章 基于分段自适应遗传算法优化PCNN的图像分割 | 第50-62页 |
| ·图像分割的定义 | 第50-51页 |
| ·基于PCNN的图像分割 | 第51-56页 |
| ·简化PCNN的图像分割 | 第52-53页 |
| ·分割评价标准 | 第53页 |
| ·仿真实验 | 第53-56页 |
| ·GA优化PCNN的图像分割 | 第56-60页 |
| ·改进的遗传算法 | 第56-57页 |
| ·最大方差比准则 | 第57页 |
| ·GA优化PCNN的设计方案 | 第57-59页 |
| ·仿真研究 | 第59-60页 |
| ·小节 | 第60-62页 |
| 第五章 应用研究 | 第62-73页 |
| ·生物细胞分割 | 第62-66页 |
| ·辣椒颗粒态图像分割 | 第66-68页 |
| ·医学图像的分割 | 第68-70页 |
| ·车牌的分割 | 第70-72页 |
| ·小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·进一步的工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 附录 | 第79-80页 |