图书介绍

脉冲耦合神经网络原理及其应用PDF|Epub|txt|kindle电子书版本网盘下载

脉冲耦合神经网络原理及其应用
  • 马义德（等）著 著
  • 出版社： 北京：科学出版社
  • ISBN：7030166574
  • 出版时间：2006
  • 标注页数：182页
  • 文件大小：17MB
  • 文件页数：199页
  • 主题词：神经网络－理论；神经网络－应用

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：36fa78be311dadc18c878adfbe91c09f

下载说明

脉冲耦合神经网络原理及其应用PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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

图书目录

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

热门推荐