| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题的背景及意义 | 第10-12页 |
| ·国内外研究现状分析 | 第12-15页 |
| ·图像采集及处理系统发展现状 | 第12-13页 |
| ·细胞神经网络发展现状 | 第13-15页 |
| ·课题主要研究内容 | 第15-17页 |
| 第2章 图像边缘提取算法 | 第17-27页 |
| ·图像预处理概念 | 第17页 |
| ·图像边缘提取的目的与意义 | 第17-19页 |
| ·图像边缘提取的传统算法 | 第19-25页 |
| ·基于一阶微分的边缘提取算子 | 第20-22页 |
| ·马尔－希尔德雷斯（Marr-Hildreth）边缘提取方法 | 第22-24页 |
| ·坎尼（Canny）边缘提取方法 | 第24-25页 |
| ·采用CNN 进行边缘提取的优势 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 细胞神经网络及其在红外图像处理中的应用 | 第27-43页 |
| ·细胞神经网络的基本理论 | 第27-30页 |
| ·离散时间细胞神经网络 | 第30-31页 |
| ·CNN 红外图像处理基本原理 | 第31-34页 |
| ·基本原理 | 第31-33页 |
| ·红外图像边缘提取 | 第33-34页 |
| ·基于粒子群算法的模板设计 | 第34-42页 |
| ·粒子群算法基本原理 | 第34-37页 |
| ·输入预处理 | 第37页 |
| ·用粒子群算法确定网络参数 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 CNN 的IP 核设计 | 第43-60页 |
| ·总体方案选择 | 第43-44页 |
| ·CNN 并行结构的FPGA 实现 | 第44-52页 |
| ·基于FPGA 的3×3 模板的硬件构建 | 第44-50页 |
| ·基于FPGA 的卷积模块 | 第50-52页 |
| ·分布式算法的原理与FPGA 实现 | 第52-58页 |
| ·分布式算法原理 | 第52-54页 |
| ·分布式算法的实现 | 第54-56页 |
| ·采用串行分布式算法实现卷积模块 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第5章 基于CNN 的红外图像预处理系统的设计 | 第60-80页 |
| ·系统总体方案 | 第60-64页 |
| ·原始数据的预处理 | 第60-61页 |
| ·亮度信息的获取 | 第61-62页 |
| ·数据的缓存 | 第62-64页 |
| ·图像数据采集模块的设计 | 第64-65页 |
| ·RAW2RGB 模块的设计 | 第65-67页 |
| ·颜色空间转换模块的设计 | 第67-70页 |
| ·Memory 模块的设计 | 第70-77页 |
| ·SDRAM 控制模块的设计 | 第71-75页 |
| ·接口模块的设计 | 第75-77页 |
| ·VGA 显示模块的设计 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 结论 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 攻读学位期间发表的学术论文 | 第87-88页 |
| 致谢 | 第88页 |