| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题研究背景与意义 | 第8-9页 |
| ·彩色图像分割研究现状 | 第9-13页 |
| ·PCNN研究现状 | 第13-14页 |
| ·论文主要研究内容 | 第14页 |
| ·论文工作安排 | 第14-16页 |
| 第二章 传统脉冲耦合神经网络的灰度图像分割 | 第16-26页 |
| ·PCNN概述 | 第16-19页 |
| ·PCNN基本模型 | 第16-18页 |
| ·PCNN工作原理 | 第18页 |
| ·PCNN的基本应用 | 第18-19页 |
| ·图像分割效果评价标准 | 第19-21页 |
| ·最大信息熵准则 | 第20页 |
| ·最小交叉熵准则 | 第20-21页 |
| ·PCNN的灰度图像分割 | 第21-24页 |
| ·分割流程 | 第21-22页 |
| ·实验结果与分析 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 多通道PCNN的彩色图像分割 | 第26-38页 |
| ·颜色空间分析 | 第26-28页 |
| ·RGB颜色空间 | 第26-27页 |
| ·HSV颜色空间 | 第27-28页 |
| ·M-PCNN模型及其原理 | 第28-30页 |
| ·M-PCNN模型概述 | 第28-30页 |
| ·M-PCNN图像分割原理 | 第30页 |
| ·M-PCNN彩色图像分割 | 第30-32页 |
| ·实验结果及分析 | 第32-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 三维脉冲耦合神经网络的彩色图像分割 | 第38-48页 |
| ·3D-PCNN模型建立 | 第38-41页 |
| ·3D-PCNN模型 | 第38-40页 |
| ·三维连接系数矩阵 | 第40-41页 |
| ·基于最大信息熵准则的 3D-PCNN彩色图像分割 | 第41-42页 |
| ·三维最大类间方差分割法 | 第41-42页 |
| ·3D-PCNN分割算法流程 | 第42页 |
| ·实验结果及分析 | 第42-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·本文总结 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士期间所取得的科研成果 | 第54-56页 |
| 致谢 | 第56页 |