| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·本文的研究背景 | 第11页 |
| ·本文的研究目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文的主要工作及创新点 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第2章 非线性系统的随机共振特性 | 第17-22页 |
| ·阈值模型 | 第17-18页 |
| ·双稳态模型 | 第18-19页 |
| ·H-H 神经元模型 | 第19页 |
| ·FHN 神经元模型及其改进 | 第19-21页 |
| ·传统 FHN 神经元模型 | 第20页 |
| ·FHN 神经元双层模型 | 第20-21页 |
| ·FHN 神经元反馈模型 | 第21页 |
| ·小结 | 第21-22页 |
| 第3章 基于 FHN 神经元的延迟改进以及随机共振研究 | 第22-32页 |
| ·FHN 神经元延迟反馈网络模型 | 第22-23页 |
| ·延迟微分处理 | 第23-24页 |
| ·传统 FHN 神经元随机共振 | 第24-26页 |
| ·一维周期弱信号随机共振响应 | 第25页 |
| ·一维非周期弱信号随机共振响应 | 第25-26页 |
| ·FHN 延迟反馈神经元随机共振 | 第26-31页 |
| ·一维周期弱信号随机共振响应 | 第26-27页 |
| ·一维非周期弱信号随机共振响应 | 第27页 |
| ·不同强度噪声的随机共振响应 | 第27-28页 |
| ·延迟参数对检测性能的影响 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第4章 基于 FHN 神经元随机共振的菌落图像分割研究 | 第32-41页 |
| ·图像弱信号的随机共振增强 | 第32-33页 |
| ·菌落显微图像分割 | 第33-35页 |
| ·评价方法 | 第33-34页 |
| ·图像降维算法 | 第34-35页 |
| ·实验仿真 | 第35-40页 |
| ·定性分析 | 第35-36页 |
| ·菌落图像分割定量评价 | 第36-40页 |
| ·算法的时间效率分析 | 第40页 |
| ·小结 | 第40-41页 |
| 第5章 基于延迟反馈 FHN 神经元随机共振的图像增强研究 | 第41-47页 |
| ·图像增强技术概述 | 第41-42页 |
| ·基于延迟反馈 FHN 神经元随机共振的图像增强研究 | 第42-46页 |
| ·图像增强的定性分析 | 第42-45页 |
| ·图像增强的定量分析 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| ·本文工作的总结 | 第47-48页 |
| ·今后工作的展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54页 |
