| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 图像分割研究背景及意义 | 第11-12页 |
| 1.2 国内外基于PCNN的图像分割的研究现状 | 第12-15页 |
| 1.2.1 模型改进研究现状 | 第12-13页 |
| 1.2.2 最优分割图像判别准则研究现状 | 第13-14页 |
| 1.2.3 提高分割图像的抗噪性能研究现状 | 第14-15页 |
| 1.3 基于PCNN的图像分割存在的难题 | 第15-16页 |
| 1.4 论文安排 | 第16-19页 |
| 1.4.1 论文研究思路 | 第16-17页 |
| 1.4.2 论文主要研究内容及创新点 | 第17-19页 |
| 2 脉冲耦合神经网络模型及其动态行为分析 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 脉冲耦合神经网络模型 | 第19-21页 |
| 2.2.1 脉冲耦合神经元模型 | 第19-21页 |
| 2.2.2 脉冲耦合神经网络模型 | 第21页 |
| 2.3 脉冲耦合神经网络模型的改进 | 第21-23页 |
| 2.4 PCNN的动态行为分析 | 第23-25页 |
| 2.4.1 无耦合链接情况下的PCNN动态行为分析 | 第23-24页 |
| 2.4.2 耦合链接情况下的PCNN动态行为分析 | 第24-25页 |
| 2.5 脉冲耦合神经网络在图像处理中的应用 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于中值滤波的改进二维Otsu算法 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 二维Otsu算法 | 第27-29页 |
| 3.3 基于中值滤波的改进二维Otsu算法 | 第29-32页 |
| 3.3.1 基于中值滤波的改进二维Otsu算法的提出 | 第29-31页 |
| 3.3.2 基于中值滤波的改进二维Otsu算法基本理论 | 第31页 |
| 3.3.3 算法实现流程 | 第31-32页 |
| 3.4 实验结果及分析 | 第32-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 基于改进二维Otsu算法的PCNN图像分割方法 | 第41-61页 |
| 4.1 引言 | 第41页 |
| 4.2 眼底图像血管分割的理论基础 | 第41-43页 |
| 4.3 基于改进二维Otsu算法的PCNN分割方法 | 第43-45页 |
| 4.4 基于图像分割质量评价标准的参数自动设定 | 第45-47页 |
| 4.4.1 理论基础 | 第45-46页 |
| 4.4.2 实现流程 | 第46-47页 |
| 4.5 实验结果及分析 | 第47-60页 |
| 4.5.1 参数自动设定实验结果及分析 | 第47-50页 |
| 4.5.2 自动分割实验结果及分析 | 第50-60页 |
| 4.6 本章小结 | 第60-61页 |
| 5 结论 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |
