0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 信息技术 > 自动化 > 脉冲耦合神经网络与数字图像处理

相同语种的商品

销售排行榜

浏览历史

脉冲耦合神经网络与数字图像处理


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
脉冲耦合神经网络与数字图像处理
  • 书号：9787030223890
    作者：马义德 李廉 绽琨 王兆滨 等
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：324
    字数：384000
    语种：中文
  • 出版社：科学出版社
    出版时间：2008-07
  • 所属分类：TP1 自动化基础理论
  • 定价： ￥60.00元
    售价： ￥47.40元
  • 图书介质:

  • 购买数量： 件  缺货，请选择其他介质图书！
  • 商品总价：

内容介绍

样章试读

用户评论

全部咨询

　　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。
　　本书在详细阐述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。
　　本书适合数字信号处理、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。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 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
    3.9　基于PCNN的图像边缘检测方法
    3.10　基于PCNN的图像二值化算法及分割评价研究
    参考文献
    第4章　脉冲耦合神经网络与图像编码
    4.1　图像压缩编码概述
    4.2　基于感兴趣区的图像压缩编码
    4.3　基于小波的感兴趣区渐进图像传输算法
    4.4　一种快速小波子带分形图像压缩编码方法
    4.5　不规则区域编码综述与进展
    4.6　传统神经网络图像压缩方法
    4.7　基于PCNN的不规则区域编码
    参考文献
    第5章　脉冲耦合神经网络与图像增强
    5.1　图像增强
    5.2　人眼视觉特性与PCNN赋时矩阵
    5.3　基于PCNN的图像增强算法
    5.4　小结
    参考文献
    第6章　脉冲耦合神经网络与图像融合
    6.1　图像融合概述
    6.2　基于PCNN的医学图像融合
    6.3　基于PCNN的多聚焦图像融合
    参考文献
    第7章　脉冲耦合神经网络与形态学
    7.1　PCNN与二值数学形态学
    7.2　PCNN与灰度形态学相结合的除噪方法
    7.3　ICM与灰度形态学相结合的除噪方法
    7.4　PCNN与形态学结合的图像标定
    参考文献
    第8章　脉冲耦合神经网络在特征提取中的应用
    8.1　PCNN与特征提取
    8.2　有噪图像识别
    8.3　基于直方图矢量重心的图像目标识别
    8.4　PCNN应用于语音识别
    8.5　虹膜识别
    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
    参考文献
    第9章　脉冲耦合神经网络与数字图像签名技术
    9.1　基于内容的图像检索综述
    9.2　基于PCNN的数字图像签名技术
    9.3　基于ICM的数字图像签名技术
    9.4　基于PCNN和ICM的图像检索系统性能
    参考文献
    第10章　脉冲耦合神经网络与组合决策优化
    10.1　组合决策优化
    10.2　基于PCNN的多项式时间算法
    10.3　基于PCNN的非多项式时间算法
    参考文献
    第11章　脉冲耦合神经网络和小波变换
    11.1　小波理论概述
    11.2　PCNN与小波变换
    11.3　PCNN与小波变换的结合
    11.4　非抽样contourlet变换与PCNN在凹点检测的结合应用
    参考文献
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com