摘要
第1章 绪论
1.1 研究背景
1.2 脉冲耦合神经网络图像分割算法的发展现状
1.3 脉冲耦合神经网络模型的简介
1.3.1 链接域模型
1.3.2 脉冲耦合神经网络模型
1.4 本文的主要工作及结构安排
第2章 基于PCNN的图像分割算法的介绍
2.1 图像分割的概述
2.2 基于PCNN的图像分割算法的介绍
2.2.1 基于PCNN模型图像分割算法的基本原理
2.2.2 简化版脉冲耦合神经网络模型
2.2.3 模型迭代终止算法的确定
2.3 本章小结
第3章 改进型PCNN图像分割算法的介绍
3.1 遗传算法介绍
3.1.1 遗传算法的常用术语
3.1.2 遗传算法的基本流程
3.1.3 遗传算法的特点
3.2 改进型PCNN图像分割算法的介绍
3.2.1 种群规模的确定及参数编码方式的选择
3.2.2 适应度函数的设计
3.2.3 遗传算子的选择
3.2.4 改进型PCNN图像分割算法的Matlab实现流程
3.2.5 仿真结果分析
3.3 本章小结
第4章 改进型PCNN图像分割算法的硬件实现
4.1 硬件开发方式的选择
4.2 改进型PCNN图像分割算法的硬件实现介绍
4.2.1 控制模块的设计
4.2.2 初始化模块的设计
4.2.3 随机数模块的设计
4.2.4 存储器模块的设计
4.2.5 适应度函数实现原理
4.2.6 遗传操作实现原理
4.2.7 图像分割模块实现原理
4.2.8 图像显示模块
4.3 本章小结
第5章 改进型算法在医学红细胞图像自动计数中的应用
5.1 引言
5.2 红细胞图像自动计数算法介绍
5.2.1 图像预处理
5.2.2 图像分割处理
5.2.3 图像的形态学处理
5.2.4 图像粘连细胞分离
5.2.5 红细胞图像的自动计数
5.3 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
致谢
攻读硕士期间发表的学术论文
声明