| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 ANN的发展及研究现状 | 第9-12页 |
| 1.1.1 人工神经网络发展历程 | 第9-11页 |
| 1.1.2 PCNN的研究现状及意义 | 第11-12页 |
| 1.2 本文的研究背景及意义 | 第12-13页 |
| 1.3 本文的主要研究工作 | 第13-15页 |
| 第二章 PCNN基本理论 | 第15-25页 |
| 2.1 PCNN神经元基本模型介绍 | 第15-17页 |
| 2.2 PCNN工作原理与基本特征 | 第17-21页 |
| 2.2.1 PCNN工作原理 | 第17-19页 |
| 2.2.2 PCNN的基本特征 | 第19-21页 |
| 2.3 简化的PCNN模型 | 第21-22页 |
| 2.4 PCNN在图像处理中的应用 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于PCNN和灰度图像数学形态学的脉冲噪声滤波 | 第25-38页 |
| 3.1 传统滤波算法存在的缺陷 | 第25-28页 |
| 3.2 PCNN在图像去噪领域研究的现状与意义 | 第28-29页 |
| 3.3 基于S-PCNN和灰度图像数学形态学的椒盐噪声滤波 | 第29-34页 |
| 3.3.1 基于S-PCNN的噪声检测原理 | 第29-30页 |
| 3.3.2 灰度图像数学形态学 | 第30-32页 |
| 3.3.3 基于S-PCNN和形态学相结合的噪声滤波新方法 | 第32-34页 |
| 3.4 计算机仿真及结果分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于PCNN的人脸识别 | 第38-53页 |
| 4.1 人脸识别概述 | 第38-40页 |
| 4.2 图像预处理 | 第40-44页 |
| 4.2.1 图像滤波 | 第40-41页 |
| 4.2.2 直方图修正 | 第41-42页 |
| 4.2.3 灰度变换 | 第42-43页 |
| 4.2.4 几何归一化 | 第43-44页 |
| 4.3 主流人脸识别方法的对比研究 | 第44-49页 |
| 4.3.1 PCA方法 | 第44页 |
| 4.3.2 LDA方法 | 第44-45页 |
| 4.3.3 ICA方法 | 第45-46页 |
| 4.3.4 PCNN方法 | 第46-48页 |
| 4.3.5 计算机仿真结果对比分析 | 第48-49页 |
| 4.4 基于PCNN的有噪人脸识别 | 第49-52页 |
| 4.4.1 基于PCNN的有噪人脸识别 | 第49-50页 |
| 4.4.2 实验仿真及结果分析 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 结束语 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 本人在攻读硕士学位期间参加的科研项目与发表的论文 | 第58-59页 |
| 致谢 | 第59页 |
