| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| 第一节 课题研究的背景与意义 | 第8-10页 |
| 第二节 PCNN 的研究和应用现状 | 第10-12页 |
| 第三节、图像处理研究现状 | 第12-16页 |
| 一、图像滤波研究现状 | 第12-13页 |
| 二、图像分割研究现状 | 第13-15页 |
| 三、图像边缘检测研究现状 | 第15-16页 |
| 第四节 本文的主要工作与章节安排 | 第16-18页 |
| 一、本文的主要工作 | 第16-17页 |
| 二、章节安排 | 第17-18页 |
| 第二章 脉冲耦合神经网络基本理论 | 第18-27页 |
| 第一节 脉冲耦合神经元模型 | 第18-22页 |
| 一、接受部分 | 第18-19页 |
| 二、调制部分 | 第19页 |
| 三、脉冲产生部分 | 第19页 |
| 四、PCNN 神经元模型参数作用分析 | 第19-20页 |
| 五、PCNN 参数确定 | 第20-22页 |
| 六、脉冲耦合神经元与传统神经元的区别 | 第22页 |
| 第二节 脉冲耦合神经网络 | 第22-24页 |
| 一、PCNN 运行机制 | 第22-23页 |
| 二、PCNN 图像处理原理 | 第23-24页 |
| 第三节 PCNN 特性分析 | 第24-26页 |
| 第四节 本章小结 | 第26-27页 |
| 第三章 基于PCNN 的医学图像混合噪声滤波方法 | 第27-37页 |
| 第一节 图像噪声类型与特征 | 第27-29页 |
| 一、脉冲噪声(椒盐噪声) | 第28页 |
| 二、高斯噪声 | 第28-29页 |
| 第二节 噪声滤除方法 | 第29-30页 |
| 一、经典噪声滤波器 | 第29-30页 |
| 二、混合噪声滤波 | 第30页 |
| 第三节 基于PCNN 的医学图像混合噪声滤波 | 第30-35页 |
| 一、基本思想 | 第30-32页 |
| 二、算法步骤 | 第32-33页 |
| 三、算法仿真测试 | 第33-35页 |
| 四、实验结果分析 | 第35页 |
| 第四节 本章小结 | 第35-37页 |
| 第四章 基于UNIT-LINKING PCNN 和最大交叉熵的医学图象分割方法 | 第37-49页 |
| 第一节 UNIT-LINKING PCNN 模型 | 第37-38页 |
| 第二节 医学图像分割技术 | 第38-40页 |
| 第三节 基于UNIT-LINKING PCNN 和最大交叉熵的医学图象分割算法 | 第40-45页 |
| 一、最大类间交叉熵准则 | 第40-41页 |
| 二、基本思想 | 第41-44页 |
| 三、算法步骤 | 第44-45页 |
| 第四节 实验结果及分析 | 第45-48页 |
| 第五节 本章小结 | 第48-49页 |
| 第五章 基于UNIT-LINKING PCNN 的医学图像边缘检测 | 第49-60页 |
| 第一节 图像边缘点特征分析 | 第49-51页 |
| 第二节 常用边缘检测算子 | 第51-53页 |
| 一、梯度算子 | 第51页 |
| 二、拉普拉斯算子 | 第51-52页 |
| 三、canny 算子 | 第52-53页 |
| 第三节 基于UNIT-LINKING PCNN 的医学图像边缘检测算法 | 第53-55页 |
| 一、基本思想 | 第53-54页 |
| 二、算法步骤 | 第54-55页 |
| 第四节 实验结果及分析 | 第55-58页 |
| 第五节 本章小结 | 第58-60页 |
| 第六章 总结和展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间的科研及获奖情况 | 第66-67页 |
| 致谢 | 第67-68页 |
