脉冲耦合神经网络与数字图像处理

　　前言
　　第1章  脉冲耦合神经网络
　　1.1  大脑皮层
　　1.2  脉冲耦合神经网络的基本模型
　　1.3  脉冲耦合神经网络的工作机理
　　1.4  自适应脉冲耦合神经网络
　　1.5  脉冲耦合神经网络的MATLAB实现
　　1.6  小结
　　参考文献
　　第2章  图像滤波及脉冲噪声滤波器
　　2.1  图像处理中的噪声与滤波
　　2.2  一些经典噪声滤波器
　　2.3  基于简化PCNN模型的脉冲噪声滤波器
　　2.4  基于PCNN的高斯噪声滤波器
　　参考文献
　　第3章  脉冲耦合神经网络在图像分割中的应用
　　3.1  图像分割技术
　　3.2  生物细胞图像分割技术的进展
　　3.3  基于PCNN和熵值最大原则的植物细胞图像分割
　　3.4  基于聚类的分割技术进展
　　3.5  基于区域增长的PCNN分割
　　3.6  基于交叉熵的改进型PCNN图像自动分割方法
　　3.7  基于遗传算法的PCNN自动系统的研究
　　3.8  一种生物彩色图像自动分割新方案
　　……
　　第4章  脉冲耦合神经网络与图像编码
　　第5章  脉冲耦合神经网络与图像增强
　　第6章  脉冲耦合神经网络与图像融合
　　第7章  脉冲耦合神经网络与形态学
　　第8章  脉冲耦合神经网络在特征提取中的应用
　　第9章  脉冲耦合神经网络与数字图像签名技术
　　第10章  脉冲耦合神经网络与组合决策优化
　　第11章  脉冲耦合神经网络和小波变换
　　参考文献

　　    从20世纪90年代开始，通过Reinhard Eckhorn等对猫的视觉皮层神经元脉冲串同步振荡现象的研究，得到了哺乳动物神经元模型，并由此发展形成了脉冲耦合神经网络PCNN模型。脉冲耦合神经网络进一步靠近真实哺乳动物视觉神经网络中神经细胞的工作原理，非常适合于图像分割、图像平滑及降噪等应用，是20世纪神经网络理论发展的里程碑，引起了众多学者的兴趣。
　　    《脉冲耦合神经网络与数字图像处理》在详细阐述PCNN脉冲耦合神经网络的原理的基础上，分析了其在数字图像处理技术中的应用，特别是在图像降噪、图像分割、参数寻优、压缩编码、图像增强、图像融合、目标识别、图像签名、图像检索、组合决策优化、虹膜识别、细胞分析、凹点检测以及语音识别等方面的最新研究成果，同时介绍了其与数学形态学、小波理论等结合的应用实例，还给出了其在MATLAB环境下编程实现的主要程序，便于研究者和学习者很快上手，尽快掌握，利于PCNN脉冲耦合神经网络在我国的应用和相关芯片的开发设计。
　　    《脉冲耦合神经网络与数字图像处理》适合数字信号处理、人工智能理论、生物医学图像处理等专业研究生、高年级本科生阅读，还适合数字图像分析和处理、图像通信工程等相关领域的研究人员参考使用。