脉冲耦合神经网络图像处理 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

脉冲耦合神经网络图像处理 第2版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 理论介绍1

1.1 概述1

1.2 传统图像处理技术1

1.2.1 通用性与差异性2

1.2.2 内积2

1.2.3 哺乳动物的视觉系统3

1.2.4 未来工作如何开展4

1.3 视觉皮层理论4

1.3.1 视觉皮层简介4

1.3.2 Hodgkin-Huxley模型5

1.3.3 Fitzhugh-Nagumo模型6

1.3.4 Eckhorn模型7

1.3.5 Rybak模型8

1.3.6 Parodi模型9

1.4 小结9

第2章 数字模型原理10

2.1 脉冲耦合神经网络10

2.1.1 脉冲耦合神经网络原始模型10

2.1.2 时间序列14

2.1.3 神经元连接16

2.1.4 快速连接18

2.1.5 快速平滑19

2.1.6 模拟时序仿真20

2.2 交叉皮层模型——一个通用的数字模型21

2.2.1 最小计算复杂度的必要条件21

2.2.2 交叉皮层模型22

2.2.3 干涉24

2.2.4 曲率流模型26

2.2.5 向心自动波26

2.3 小结28

第3章 图像目标自动识别30

3.1 重要的图像特征30

3.2 血液红细胞图像分割35

3.3 乳腺X射线图像分割36

3.4 航空器图像识别37

3.5 北极光图像分类38

3.6 小数幂指数滤波器40

3.7 目标识别与二值相关41

3.8 图像分解44

3.9 反馈式脉冲图像发生器46

3.10 目标分离48

3.11 动态目标分离51

3.12 阴影目标53

3.13 考虑含噪图像54

3.14 小结58

第4章 图像融合59

4.1 多光谱模型59

4.2 脉冲耦合图像融合设计61

4.3 一个彩色图像的例子63

4.4 小波滤波图像融合实例64

4.5 多光谱目标检测64

4.6 小结69

第5章 图像纹理处理70

5.1 脉冲谱70

5.2 谱的统计分离73

5.3 利用统计方法的识别74

5.4 通过联想记忆的脉冲谱识别75

5.5 小结78

第6章 图像签名79

6.1 图像签名理论79

6.1.1 PCNN和图像签名80

6.1.2 颜色与形状81

6.2 目标签名81

6.3 真实图像的签名82

6.4 图像签名数据库84

6.5 计算最佳视角85

6.6 运动估计88

6.7 小结90

第7章 PCNN的各种应用91

7.1 凹点检测91

7.1.1 凹点检测算法92

7.1.2 基于PCNN凹点模型的目标识别94

7.2 直方图再造96

7.3 迷宫问题98

7.4 PCNN在条形码中的应用99

7.4.1 数据序列和图像的条形码生成100

7.4.2 PCNN计数器103

7.4.3 化学药品索引103

7.4.4 星系识别和分类109

7.4.5 导航系统113

7.4.6 手势识别114

7.4.7 路面检测117

7.5 小结120

第8章 PCNN的硬件实现121

8.1 硬件实现原理121

8.2 用CNAPs处理器实现122

8.3 用VLSI实现124

8.4 用FPGA实现124

8.5 光学应用128

8.6 小结129

参考文献130

索引137