基于脉冲耦合神经网络的图像分割与融合研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究的目的和意义 | 第8-10页 |
| ·与本文相关的关键技术发展动态 | 第10-13页 |
| ·PCNN 与图像分割技术 | 第10-11页 |
| ·PCNN 与图像融合技术 | 第11-13页 |
| ·本文主要研究内容和组织安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 PCNN 的基本理论及图像应用 | 第15-23页 |
| ·脉冲耦合神经网络的发展及应用趋势 | 第15-16页 |
| ·生物视觉模型 | 第16-17页 |
| ·脉冲耦合神经元模型 | 第17-19页 |
| ·突触部分 | 第18页 |
| ·耦合部分 | 第18页 |
| ·脉冲发生部分 | 第18-19页 |
| ·脉冲耦合神经网络 | 第19-22页 |
| ·PCNN 的脉冲机制分析 | 第19-20页 |
| ·PCNN 应用于数字图像处理 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于PCNN 的图像分割 | 第23-34页 |
| ·图像分割的定义 | 第23-24页 |
| ·PCNN 用于图像分割 | 第24页 |
| ·基于改进型PCNN 图像分割 | 第24-29页 |
| ·用于图像分割的改进模型 | 第24-25页 |
| ·点火模式 | 第25页 |
| ·分割终止准则 | 第25-26页 |
| ·实验结果与分析 | 第26-29页 |
| ·基于参数自适应优化PCNN 图像分割 | 第29-33页 |
| ·遗传算法 | 第30-31页 |
| ·系统流程及实现过程 | 第31-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于PCNN 的像素级图像融合 | 第34-47页 |
| ·图像融合 | 第34-35页 |
| ·基于PCNN 累积点火脉冲的图像融合 | 第35-39页 |
| ·融合过程 | 第36-37页 |
| ·实验结果及分析 | 第37-39页 |
| ·基于PCNN 的图像内容自适应加权融合 | 第39-42页 |
| ·融合过程 | 第40-41页 |
| ·实验结果及分析 | 第41-42页 |
| ·基于小波分解PCNN 图像融合 | 第42-46页 |
| ·小波变换 | 第42-44页 |
| ·融合过程 | 第44页 |
| ·实验结果及分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 全文总结 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 个人简历 | 第53页 |
| 在学期间撰写的论文 | 第53-54页 |
