| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·前言 | 第8页 |
| ·人工神经网络的发展概况 | 第8-12页 |
| ·人工神经网络的概念及工作原理 | 第9页 |
| ·人工神经网络研究阶段的划分 | 第9-11页 |
| ·人工神经网络的发展与展望 | 第11-12页 |
| ·细胞神经网络发展历程与研究现状 | 第12-14页 |
| ·CNN 的发展历程 | 第12-13页 |
| ·CNN 有关课题研究现状 | 第13-14页 |
| ·本文的内容和结构安排 | 第14-16页 |
| 第二章 细胞神经网络理论与系统分析 | 第16-24页 |
| ·标准 CNN 的结构与特点 | 第16-19页 |
| ·标准 CNN 动态取值范围 | 第19-21页 |
| ·CNN 在数字图像处理中的应用研究 | 第21-24页 |
| ·CNN 输入值的范围调整 | 第22-23页 |
| ·CNN 状态方程的差分化 | 第23-24页 |
| 第三章 模糊细胞神经网络(FCNN)理论 | 第24-30页 |
| ·模糊神经网络(FCNN)的理论知识 | 第24-25页 |
| ·具有无界离散和分布时滞的 FCNN 的指数稳定性 | 第25-30页 |
| ·预备知识 | 第25-26页 |
| ·主要结果 | 第26-29页 |
| ·结论 | 第29-30页 |
| 第四章 改进的基于 CNN 的除噪模板和边缘提取模板 | 第30-50页 |
| ·经典滤波算法在 Matlab 中仿真结果对比 | 第30-36页 |
| ·经典滤波算法在 Matlab 中的仿真 | 第30-32页 |
| ·仿真结果分析 | 第32-36页 |
| ·CNN 噪声去除模板的改进 | 第36-39页 |
| ·CNN 噪声去除模板设计 | 第36-37页 |
| ·改进的 CNN 除噪模板与经典图像除噪方法仿真对比 | 第37-39页 |
| ·Matlab 中经典的边缘提取算子仿真实验及结果分析 | 第39-44页 |
| ·经典边缘提取算子仿真实验 | 第40-42页 |
| ·仿真结果及分析 | 第42-44页 |
| ·改进的 CNN 边缘提取模板 | 第44-47页 |
| ·模板参数值设置及边界条件分析 | 第44-45页 |
| ·改进的 CNN 边缘提取模板与经典边缘提取算子仿真对比 | 第45-47页 |
| ·改进的 CNN 除噪模板和边缘检测模板提取含噪图像边缘 | 第47-50页 |
| 第五章 改进的 CNN 视频运动对象分割算法及实验结论 | 第50-71页 |
| ·视频图像获取程序设计 | 第50-53页 |
| ·改进算法中 CNN 模板的设计与结构 | 第53-59页 |
| ·改进的 CNN 噪声去除模板在算法中的处理流程 | 第54-55页 |
| ·改进的 CNN 边缘检测模板在算法中的处理流程 | 第55-59页 |
| ·改进的边缘提取算法的实现过程 | 第59-63页 |
| ·改进的算法实验过程及结果分析 | 第63-67页 |
| ·算法性能对比分析 | 第67-69页 |
| ·本文小结 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 攻读学位期间取得的研究成果 | 第78页 |
