脉冲耦合神经网络及应用

《脉冲耦合神经网络及应用》是2010年6月1日高等教育出版社出宪版的图书。本书主要对小人工智能、模式识别、电子工程等进行剖析。

• 书名 脉冲耦合神经网络及应用
• 别名 Applications of Pulse Coupled Neural Networks
• 出版社 高等教育出版社
• 出版时间 2010年6月1日
• 页数 199 页

内容简介

　　《脉冲耦合神经网络及应用(国内英文版)》内容简介:Applications of Pulse-Coupled Neural Networ来自ks explores the fields of image processing, including i植架快道文随食稳无族张mage filtering, image segmentation, image fusion, image coding, image retrieval, and biometric recognition, and the role of pulse-coupled neural networks in these fields.

　　T360百科his book is intend继批去犯千费频字ed for researchers and graduate students in artificial in亲不队胡首telligence, pattern recognition, electronic engineering评销消甚义油斤空奏, and computer science.

目录

　　Chapter1 Pulse-CoupledNeural美导免喜检探Networks

　　1.1音眼否LinkingFieldModel

　　1.班达慢过曲玉复图直粮2PCNN

　　1.3ModifiedPCNN

　　1.3.1IntersectionCorticalModel

　　1.3.2SpikingCorticalModel

　　1.3.3Multi-channelPCNN

　　Summary

　　References

　　Chapter2 ImageFiltering

　　2.1TraditionalFilters

　　2.1.1MeanFilter

　　2.1.2Medi解各虽anFilter

　　2.1.3MorphologicalFilter

　　2.1.混4WienerFilter

　　2.2ImpulseNoiseFiltering

　　2.2.1DescriptionofAlgorithmⅠ

　　2.2.2DescriptionofAlgorithmⅡ

　　2.2.3ExperimentalResultsandAnalysis

　　2.3GaussianNoiseFiltering

　　2.3市选黄调损达觉陆仅.1PCNNNIa各利点磁激元好ndTimeMatrix

　　2.3.2DescriptionofAlgorithmⅢ

　　2.3.3ExperimentalResul置成答压草假史谓弦夜她tsandAnalysis

　　Summary

　　往旧城References

　　Chapter3 ImageSegmentation

　　3.1TraditionalMethodsandEvaluationCriteria

　　3.1.1ImageSegmentationUsi移福调批离编晶胜难坏放ngArithmeticMea阶与们n

　　3.1.2ImageSe每论边松缩动企阶都愿二gmentationUsingEntropyandHistogram

　　3.1.3ImageSegmentationUsingMaximumBetween-clusterVariance

　　3跟批马蛋财协载沉谁.1.4ObjectiveEvaluati树onCriteria

　　3.2ImageSegmentationUsingPCNNandEntropy

　　3.3ImageSegmentationUsingSimplifiedPCNNandGA

　　3.3.1SimplifiedPCNNModel

　　3.3.2DesignofApplicationSchemeofGA

　　3.3.3FlowofAlgorithm

　　3.3.4ExperimentalResultsandAnalysis

　　Summary

　　References

　　Chapter4 ImageCoding

　　4.1IrregularSegmentedRegionCoding

　　4.1.1CodingofContoursUsingChainCode

　　4.1.2BasicTheoriesonOrthogonality

　　4.1.3OrthonormalizingProcessofBasisFunctions

　　4.1.4ISRCCodingandDecodingFramework

　　4.2IrregularSegmentedRegionCodingBasedonPCNN

　　4.2.1SegmentationMethod

　　4.2.2ExperimentalResultsandAnalysis

　　Summary

　　References

　　Chapter5 ImageEnhancement

　　5.1ImageEnhancement

　　5.1.1ImageEnhancementinSpatialDomain

　　5.1.2ImageEnhancementinFrequencyDomain

　　5.1.3HistogramEqualization

　　5.2PCNNTimeMatrix

　　5.2.1HumanVisualCharacteristics

　　5.2.2PCNNandHumanVisualCharacteristics

　　5.2.3PCNNTimeMatrix

　　5.3ModifiedPCNNModel

　　5.4ImageEnhancementUsingPCNNTimeMatrix

　　5.5ColorImageEnhancementUsingPCNN

　　Summary

　　References

　　Chapter6 ImageFusion

　　6.1PCNNandImageFusion

　　6.1.IPreliminaryofImageFusion

　　6.1.2ApplicationsinImageFusion

　　6.2MedicalImageFusion

　　6.2.1DescriptionofModel

　　6.2.2ImageFusionAlgorithm

　　6.2.3ExperimentalResultsandAnalysis

　　6.3Multi-focusImageFusion

　　6.3.1Dual-channelPCNN

　　6.3.2ImageSharpnessMeasure

　　6.3.3PrincipleofFusionAlgorithm

　　6.3.4ImplementationofMulti-focusImageFusion

　　6.3.5ExperimentalResultsandAnalysis

　　Summary

　　References

　　Chapter7 FeatureExtraction

　　7.1FeatureExtractionwithPCNN

　　7.1.1TimeSeries

　　7.1.2EntropySeries

　　7.1.3StatisticSeries

　　7.1.4OrthogonalTransform

　　7.2NoiseImageRecognition

　　7.2.1FeatureExtractionUsingPCNN

　　7.2.2ExperimentalResultsandAnalysis

　　7.3ImageRecognitionUsingBarycenterofHistogramVector

　　7.4InvariantTextureRetrieval

　　7.4.1TextureFeatureExtractionUsingPCNN

　　7.4.2ExperimentalResultsandAnalysis

　　7.5IrisRecognitionSystem

　　7.5.1IrisRecognition

　　7.5.2IrisFeatureExtractionUsingPCNN

　　7.5.3ExperimentalResultsandAnalysis

　　Summary

　　References

　　Chapter8 CombinatorialOptimization

　　8.1ModifiedPCNNBasedonAuto-wave

　　8.1.1Auto-waveNatureofPCNN

　　8.1.2Auto-waveNeuralNetwork

　　8.1.3TristateCascadingPulseCoupleNeuralNetwork

　　8.2TheShortestPathProblem

　　8.2.1AlgorithmforShortestPathProblemsBasedonTCPCNN

　　8.2.2ExperimentalResultsandAnalysis

　　8.3TravelingSalesmanProblem

　　8.3.1AlgorithmforOptimalProblemsBasedonAWNN

　　8.3.2ExperimentalResultsandAnalysis

　　Summary

　　References

　　Chapter9 FPGAImplementationofPCNNAlgorithm

　　9.1FndamentalPrincipleofPCNNHardwareImplementation

　　9.2AlteraDE2-70ImplementationofPCNN

　　9.2.1PCNNImplementationUsingAlteraDE2-70

　　9.2.2ExperimentalResultsandAnalysis

　　Summary

　　References

　　Index