脉冲耦合神经网络与数字图像处理2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

脉冲耦合神经网络与数字图像处理PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 脉冲耦合神经网络1

1.1大脑皮层1

1.1.1神经元2

1.1.2大脑皮层3

1.2脉冲耦合神经网络的基本模型5

1.2.1 Eckhorn神经元模型5

1.2.2脉冲耦合神经网络模型8

1.2.3脉冲耦合神经网络模型的电路理论解释9

1.3脉冲耦合神经网络的工作机理11

1.3.1无耦合连接11

1.3.2耦合连接13

1.3.3主要特性14

1.3.4性能参数16

1.4自适应脉冲耦合神经网络17

1.4.1基于遗传算法的脉冲耦合神经网络的参数自动设定18

1.4.2基于LMS准则和梯度下降法的自适应脉冲耦合神经网络19

1.5脉冲耦合神经网络的MATLAB实现23

1.6小结24

参考文献26

第2章 图像滤波及脉冲噪声滤波器30

2.1图像处理中的噪声与滤波30

2.1.1噪声的特征与分类30

2.1.2传统的噪声抑制方法31

2.1.3一些新兴的噪声抑制方法35

2.1.4图像和噪声本身的统计特性是图像除噪的难点38

2.2一些经典噪声滤波器39

2.2.1脉冲噪声滤波器39

2.2.2高斯噪声滤波器40

2.2.3混合噪声滤波器42

2.3基于简化PCNN模型的脉冲噪声滤波器44

2.3.1简化PCNN模型结构44

2.3.2基于简化PCNN模型的脉冲噪声滤波器45

2.4基于PCNN的高斯噪声滤波器49

2.4.1基于简化PCNN模型的高斯噪声滤波器49

2.4.2基于PCNN赋时矩阵的高斯噪声滤波51

参考文献55

第3章 脉冲耦合神经网络在图像分割中的应用57

3.1图像分割技术57

3.1.1图像分割的定义57

3.1.2图像分割领域需要解决的问题57

3.2生物细胞图像分割技术的进展59

3.2.1生物细胞图像分割技术的现状59

3.2.2生物细胞图像本身属性是自动分割的难点65

3.3基于PCNN和熵值最大原则的植物细胞图像分割67

3.3.1基于PCNN和熵值最大原则的植物胚性细胞图像分割研究67

3.3.2实验结果分析70

3.4基于聚类的分割技术进展71

3.4.1图像分割的实质71

3.4.2基于聚类的图像分割技术73

3.5基于区域增长的PCNN分割78

3.5.1区域生长的概念78

3.5.2 Stewart等的PCNN改进模型79

3.5.3对Stewart等模型的改进及结果讨论82

3.6基于交叉熵的改进型PCNN图像自动分割方法89

3.6.1最小交叉熵阈值分割算法89

3.6.2 PCNN模型及其改进90

3.6.3实验仿真结果与分析92

3.7基于遗传算法的PCNN自动系统的研究95

3.7.1基于遗传算法和PCNN的图像自动分割算法的设计与实现95

3.7.2仿真实验结果和结论98

3.8一种生物彩色图像自动分割新方案100

3.8.1分割方案101

3.8.2实验结果102

3.8.3结论104

3.9基于PCNN的图像边缘检测方法104

3.10基于PCNN的图像二值化算法及分割评价研究107

3.10.1几种常用的图像二值化算法107

3.10.2基于PCNN的图像二值化方法研究109

3.10.3图像二值化分割评价准则109

3.10.4实验结果及分析111

3.10.5结论114

参考文献115

第4章 脉冲耦合神经网络与图像编码122

4.1图像压缩编码概述122

4.1.1传统的压缩编码技术122

4.1.2现代图像压缩编码技术125

4.2基于感兴趣区的图像压缩编码128

4.2.1 CDF9/7小波和BNC17/11小波129

4.2.2算法原理130

4.2.3算法详细说明和讨论130

4.2.4实验结果131

4.2.5结论132

4.3基于小波的感兴趣区渐进图像传输算法133

4.3.1小波编码特性133

4.3.2感兴趣区渐进图像传输算法134

4.3.3实验结果136

4.3.4结论137

4.4一种快速小波子带分形图像压缩编码方法137

4.4.1小波结合分形的压缩编码思想138

4.4.2计算机仿真实验及结果分析139

4.5不规则区域编码综述与进展142

4.5.1经典编码技术比较143

4.5.2不规则区域编码方法144

4.5.3不规则区域编码的展望148

4.6传统神经网络图像压缩方法148

4.6.1用于图像压缩的BP神经网络模型149

4.6.2基于分类的改进BP神经网络图像压缩算法149

4.6.3实验结果和分析151

4.7基于PCNN的不规则区域编码151

4 7.1编码原理152

4.7.2算法描述154

4.7.3 DSP仿真155

4.7.4实验结果及分析156

参考文献160

第5章 脉冲耦合神经网络与图像增强165

5.1图像增强165

5.1.1空域增强165

5.1.2频域增强165

5.1.3色彩增强166

5.2人眼视觉特性与PCNN赋时矩阵167

5.2.1人眼视觉特性167

5.2.2 PCNN与人眼视觉特性168

5.2.3 PCNN赋时矩阵169

5.3基于PCNN的图像增强算法170

5.3.1改进PCNN模型170

5.3.2基于赋时矩阵图像增强算法171

5.3.3实现彩色图像增强算法171

5.4小结172

参考文献173

第6章 脉冲耦合神经网络与图像融合175

6.1图像融合概述175

6.1.1图像融合分类175

6.1 2融合效果评价177

6.2基于PCNN的医学图像融合178

6.2.1双通道PCNN模型179

6.2.2双通道PCNN图像融合的实现180

6.2.3实验结果与分析181

6.3基于PCNN的多聚焦图像融合183

6.3.1模型介绍184

6.3.2算法描述184

6.3.3实验结果185

参考文献188

第7章 脉冲耦合神经网络与形态学190

7.1 PCNN与二值数学形态学190

7.1.1腐蚀和膨胀190

7.1.2开运算和闭运算192

7.1.3数学形态学基本运算的应用192

7.1.4基于数学形态学的血细胞图像分割与计数算法194

7.1.5 PCNN自动波传播特征197

7.1.6基于PCNN自动波特征的血细胞图像分割和计数方法200

7.2 PCNN与灰度形态学相结合的除噪方法208

7.2.1灰度数学形态学简介208

7.2.2灰度开闭（OC）和闭开（CO）滤波210

7.2 3除噪算法211

7.2.4计算机仿真及结果分析211

7.2.5结论214

7.3 ICM与灰度形态学相结合的除噪方法214

7.3.1交叉皮层模型214

7.3.2 ICM与形态学相结合的除噪算法216

7.3.3仿真和结果分析216

7.3.4结论218

7.4 PCNN与形态学结合的图像标定219

7.4.1基于双层PCNN与形态学的区域标识算法219

7.4.2实验仿真结果221

参考文献222

第8章 脉冲耦合神经网络在特征提取中的应用225

8.1 PCNN与特征提取225

8.1.1时间序列225

8.1.2熵序列226

8.1.3统计序列226

8.1.4正交变换226

8.1.5特征提取方法总结227

8.2有噪图像识别227

8.2.1基于PCNN的特征提取算法228

8.2.2实验仿真结果228

8.3基于直方图矢量重心的图像目标识别231

8.3.1改进型PCNN模型及其赋时矩阵231

8.3.2直方图矢量重心特征232

8.3.3实验结果与分析233

8.4 PCNN应用于语音识别235

8.4.1语谱图介绍236

8.4.2语谱图特征提取算法237

8.4.3实验仿真与结果分析238

8.5虹膜识别240

8.5.1 ICM模型241

8.5.2基于ICM的虹膜识别算法242

8.5.3实验结果与分析244

8.5.4其他方案244

8.6基于LMS准则和梯度下降法的自适应脉冲耦合神经网络245

8.6.1 LMS算法246

8.6.2自适应脉冲耦合神经网络的实现246

8.6.3光照对PCNN输出点火时间序列的影响250

8.6.4自适应脉冲耦合神经网络试验研究251

参考文献254

第9章 脉冲耦合神经网络与数字图像签名技术258

9.1基于内容的图像检索综述258

9.1.1图像检索技术258

9.1.2基于内容的图像检索的索引技术259

9.1.3图像内容的相似度量方法261

9.1.4图像多特征的相关反馈检索技术261

9.1.5基于内容的图像检索效果评判261

9.2基于PCNN的数字图像签名技术261

9.2.1基于PCNN的特征提取262

9.2.2实验结果263

9.3基于ICM的数字图像签名技术266

9.3.1 ICM模型266

9.3.2基于ICM的图像检索系统267

9.4基于PCNN和ICM的图像检索系统性能268

9.4.1 PCNN和ICM在基于内容的图像检索系统的优势268

9.4.2基于PCNN和ICM的图像签名技术可改进的地方268

9.4.3关于数据库的几点说明269

参考文献270

第10章 脉冲耦合神经网络与组合决策优化272

10.1组合决策优化272

10.1.1基本概念272

10.1.2组合决策优化问题的三种提法273

10.1.3 PCNN与组合决策优化的结合274

10.2基于PCNN的多项式时间算法275

10.2.1最短路径问题275

10.2.2基于PCNN的最短路径问题求解算法275

10.2.3基于PCNN的最短路径问题求解仿真实验277

10.3基于PCNN的非多项式时间算法279

10.3.1旅行商问题279

10.3.2基于PCNN的TSP求解算法281

10.3.3基于PCNN的TSP求解仿真实验282

参考文献285

第11章 脉冲耦合神经网络和小波变换286

11.1小波理论概述286

11.1.1连续小波变换286

11.1.2小波变换的时频局部化性能287

11.1.3两类重要的小波变换288

11.1.4小波包变换288

11.1.5小波函数的多样性289

11.2 PCNN与小波变换289

11.3 PCNN与小波变换的结合294

11.3.1 PCNN和小波变换在软件方面的结合294

11.3.2 PCNN和小波变换在硬件方面的结合295

11.4非抽样contourlet变换与PCNN在凹点检测的结合应用297

11.4.1非抽样contourlet变换297

11.4.2 Sigmoid输出函数的PCNN298

11.4.3实验方案设计299

11.4.4实验分析与讨论299

参考文献302