脉冲耦合神经网络原理及其应用PDF电子书下载

第1章 神经网络图像处理技术 1

1.1 神经元 1

1.2 人工神经网络技术 10

参考文献 15

第2章 PCNN模型及其应用概述 16

2.1 PCNN模型 16

2.2 PCNN应用于数字图像处理 20

2.3 PCNN模型的Matlab实现 24

参考文献 28

3.1.1 噪声的特征与分类 31

3.1 图像处理中的噪声与滤波 31

第3章 PCNN在图像滤波中的应用 31

3.1.2 传统的噪声抑制方法 32

3.1.3 一些新兴的噪声抑制方法 34

3.2 基于简化PCNN模型的脉冲噪声滤波器 35

3.2.1 简化PCNN模型结构 35

3.2.2 基于简化PCNN模型的脉冲噪声滤波器 36

3.3 基于PCNN的高斯噪声滤波器 40

3.3.1 基于简化PCNN模型的高斯噪声滤波器 40

3.3.2 基于PCNN赋时矩阵的高斯噪声滤波 42

参考文献 46

4.1.1 图像分割的定义 48

4.1.2 图像分割领域需要解决的问题 48

4.1 图像分割技术 48

第4章 PCNN在图像分割中的应用 48

4.2 生物细胞图像分割技术的进展 50

4.2.1 生物细胞图像分割技术的现状 50

4.2.2 生物细胞图像本身属性是自动分割的难点 56

4.3 基于PCNN和熵值最大原则的植物细胞图像分割 58

4.3.1 基于PCNN和熵值最大原则的植物胚性细胞图像分割研究 58

4.3.2 实验结果分析 61

4.4 基于聚类的分割技术进展 63

4.4.1 图像分割的实质 63

4.4.2 基于聚类的图像分割技术 64

4.5 基于区域生长的PCNN分割 69

4.5.1 区域生长的概念 69

4.5.2 Robert D Stewart等人的PCNN改进模型 70

4.5.3 对Robert D Stewart等模型的改进及结果讨论 74

4.6 基于交叉熵的改进型PCNN图像自动分割方法 80

4.6.1 最小交叉熵阈值分割算法 81

4.6.2 PCNN模型及其改进 82

4.6.3 计算机仿真结果与分析 84

4.7 基于遗传算法的PCNN自动系统的研究 87

4.7.1 基于遗传算法和PCNN的图像自动分割算法的设计与实现 87

4.7.2 仿真实验结果和结论 90

4.8 基于PCNN的图像边缘检测方法 93

4.8.1 基本原理及检测方法 93

4.8.2 计算机仿真结果 94

参考文献 95

5.1 图像压缩编码概述 102

5.1.1 传统的压缩编码技术 102

第5章 PCNN在图像编码中的应用 102

5.1.2 现代图像压缩编码技术 105

5.2 基于PCNN的分割图像编码 108

5.2.1 分割图像编码原理 108

5.2.2 基于PCNN的图像分割编码 112

参考文献 116

第6章 PCNN与图像增强 119

6.1 图像增强概述 119

6.1.1 空域增强 119

6.1.2 频域增强 119

6.1.3 色彩增强 120

6.2.1 整体对比度增强 121

6.2 PCNN灰度图像增强 121

6.2.2 局部对比度增强 124

6.2.3 实际结果比较 125

6.3 PCNN彩色图像增强 128

6.3.1 彩色图像的色彩空间变换 128

6.3.2 彩色图像增强方法 129

6.3.3 实际结果比较 130

参考文献 133

第7章 PCNN与粗集理论、形态学和小波变换 134

7.1 PCNN与粗集理论 134

7.1.1 粗糙集理论的基本概念 134

7.1.2 Rough set模型的扩展 137

7.1.3 粗糙集理论的应用 137

7.1.4 Rough set与神经网络的结合 138

7.1.5 基于PCNN赋时矩阵与粗集理论不可分辨关系的图像增强 139

7.2 PCNN与数学形态学 142

7.2.1 腐蚀和膨胀 142

7.2.2 开运算和闭运算 144

7.2.3 数学形态学基本运算的应用 144

7.2.4 PCNN与数学形态学在图像处理中的等价关系 146

7.3 PCNN和小波变换 153

7.3.1 小波理论概述 153

7.3.2 PCNN与小波变换 156

参考文献 161

8.1 PCNN与图像标定 164

8.1.1 基于双层PCNN与形态学的区域标识算法 164

第8章 PCNN的其他应用 164

8.1.2 实验仿真结果 166

8.2 PCNN求解最佳路径 167

8.2.1 DPCNN模型 167

8.2.2 基于DPCNN的最短路径求解 168

8.2.3 仿真结果 169

8.3 PCNN与有噪图像识别 170

8.3.1 基于PCNN的特征提取算法 171

8.3.2 实验仿真结果 172

8.4 PCNN应用于语音识别 174

8.4.1 语谱图介绍 175

8.4.2 语谱图特征提取算法 176

8.4.3 实验仿真与结果分析 177

参考文献 181