文摘
英文文摘
声明
第一章绪论
1.1课题提出的背景
1.2鱼类耳石年龄检测的研究现状
1.3本课题的研究意义
第二章神经网络模式识别技术
2.1引言
2.2人工神经网络的特征
2.3基于神经网络的图像分割
2.4脉冲耦合神经网络技术
2.4.1脉冲耦合神经网络PCNN的结构模型
2.4.2简化的脉冲藕合神经网络的结构模型
2.5脉冲耦合神经网络PCNN的工作原理
2.5.1无耦合神经元PCN的运行原理
2.5.2耦合神经元PCN的运行原理
2.6 PCNN的基本特性分析
2.7本章小结
第三章PCNN的改进模型
3.1引言
3.2应用于鱼类年轮图像分析的PCNN改进模型
3.3动态阈值调整函数分析
3.4 PCNN模型的时间索引矩阵分析
3.5 PCNN模型的参数分析
3.5.1 Wijkl连接权的选取
3.5.2阈值幅值系数Vθ
3.5.3图像最佳分割阈值的选择
3.6算法描述
3.7 PCNN应用于鱼类年轮图像分析
3.8本章小结
第四章数学形态学基本理论
4.1引言
4.2二值图像的形态学处理
4.2.1二值图像的腐蚀和膨胀
4.2.2二值图像形态学开运算和闭运算
4.2.3连接分量
4.2.4形态学重构
4.3灰度数学形态学
4.3.1灰度图像的膨胀和腐蚀
4.3.2灰度图像的开运算和闭运算
4.4本章小结
第五章鱼类年轮图像分析的实验
5.1引言
5.2耳石样本制备和图像采集
5.3耳石年轮图像的预处理
5.3.1图像增强技术
5.4 PCNN神经网络模式识别
5.5数学形态学处理
5.6样本鱼类年龄及其生长状况的推断
5.7本章小结
总结和展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
评定意见