著者还有：李廉、绽琨、王兆滨等

目录
前言
第1章 脉冲耦合神经网络
1.1 大脑皮层
1.1.1 神经元
1.1.2 大脑皮层
1.2 脉冲耦合神经网络的基本模型
1.2.1 Eckhorn神经元模型
1.2.2 脉冲耦合神经网络模型
1.2.3 脉冲耦合神经网络模型的电路理论解释
1.3 脉冲耦合神经网络的工作机理
1.3.1 无耦合连接
1.3.2 耦合连接
1.3.3 主要特性
1.3.4 性能参数
1.4 自适应脉冲耦合神经网络
1.4.1 基于遗传算法的脉冲耦合神经网络的参数自动设定
1.4.2 基于LMS准则和梯度下降法的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
2.1.1 噪声的特征与分类
2.1.2 传统的噪声抑制方法
2.1.3 一些新兴的噪声抑制方法
2.1.4 图像和噪声本身的统计特性是图像除噪的难点
2.2 一些经典噪声滤波器
2.2.1 脉冲噪声滤波器
2.2.2 高斯噪声滤波器
2.2.3 混合噪声滤波器
2.3 基于简化PCNN模型的脉冲噪声滤波器
2.3.1 简化PCNN模型结构
2.3.2 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
2.4.1 基于简化PCNN模型的高斯噪声滤波器
2.4.2 基于PCNN赋时矩阵的高斯噪声滤波
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
3.1.1 图像分割的定义
3.1.2 图像分割领域需要解决的问题
3.2 生物细胞图像分割技术的进展
3.2.1 生物细胞图像分割技术的现状
3.2.2 生物细胞图像本身属性是自动分割的难点
3.3 基于PCNN和熵值最大原则的植物细胞图像分割
3.3.1 基于PCNN和熵值最大原则的植物胚性细胞图像分割研究
3.3.2 实验结果分析
3.4 基于聚类的分割技术进展
3.4.1 图像分割的实质
3.4.2 基于聚类的图像分割技术
3.5 基于区域增长的PCNN分割
3.5.1 区域生长的概念
3.5.2 Stewart等的PCNN改进模型
3.5.3 对Stewart等模型的改进及结果讨论
3.6 基于交叉熵的改进型PCNN图像自动分割方法
3.6.1 最小交叉熵阈值分割算法
3.6.2 PCNN模型及其改进
3.6.3 实验仿真结果与分析
3.7 基于遗传算法的PCNN自动系统的研究
3.7.1 基于遗传算法和PCNN的图像自动分割算法的设计与实现
3.7.2 仿真实验结果和结论
3.8 一种生物彩色图像自动分割新方案
3.8.1 分割方案
3.8.2 实验结果
3.8.3 结论
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
3.10.1 几种常用的图像二值化算法
3.10.2 基于PCNN的图像二值化方法研究
3.10.3 图像二值化分割评价准则
3.10.4 实验结果及分析
3.10.5 结论
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
4.1.1 传统的压缩编码技术
4.1.2 现代图像压缩编码技术
4.2 基于感兴趣区的图像压缩编码
4.2.1 CDF9/7小波和BNC17/11小波
4.2.2 算法原理
4.2.3 算法详细说明和讨论
4.2.4 实验结果
4.2.5 结论
4.3 基于小波的感兴趣区渐进图像传输算法
4.3.1 小波编码特性
4.3.2 感兴趣区渐进图像传输算法
4.3.3 实验结果
4.3.4 结论
4.4 一种快速小波子带分形图像压缩编码方法
4.4.1 小波结合分形的压缩编码思想
4.4.2 计算机仿真实验及结果分析
4.5 不规则区域编码综述与进展
4.5.1 经典编码技术比较
4.5.2 不规则区域编码方法
4.5.3 不规则区域编码的展望
4.6 传统神经网络图像压缩方法
4.6.1 用于图像压缩的BP神经网络模型
4.6.2 基于分类的改进BP神经网络图像压缩算法
4.6.3 实验结果和分析
4.7 基于PCNN的不规则区域编码
4.7.1 编码原理
4.7.2 算法描述
4.7.3 DSP仿真
4.7.4 实验结果及分析
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
5.1.1 空域增强
5.1.2 频域增强
5.1.3 色彩增强
5.2 人眼视觉特性与PCNN赋时矩阵
5.2.1 人眼视觉特性
5.2.2 PCNN与人眼视觉特性
5.2.3 PCNN赋时矩阵
5.3 基于PCNN的图像增强算法
5.3.1 改进PCNN模型
5.3.2 基于赋时矩阵图像增强算法
5.3.3 实现彩色图像增强算法
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
6.1.1 图像融合分类
6.1.2 融合效果评价
6.2 基于PCNN的医学图像融合
6.2.1 双通道PCNN模型
6.2.2 双通道PCNN图像融合的实现
6.2.3 实验结果与分析
6.3 基于PCNN的多聚焦图像融合
6.3.1 模型介绍
6.3.2 算法描述
6.3.3 实验结果
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
7.1.1 腐蚀和膨胀
7.1.2 开运算和闭运算
7.1.3 数学形态学基本运算的应用
7.1.4 基于数学形态学的血细胞图像分割与计数算法
7.1.5 PCNN自动波传播特征
7.1.6 基于PCNN自动波特征的血细胞图像分割和计数方法
7.2 PCNN与灰度形态学相结合的除噪方法
7.2.1 灰度数学形态学简介
7.2.2 灰度开闭（0C）和闭开（C0）滤波
7.2.3 除噪算法
7.2.4 计算机仿真及结果分析
7.2.5 结论
7.3 ICM与灰度形态学相结合的除噪方法
7.3.1 交叉皮层模型
7.3.2 ICM与形态学相结合的除噪算法
7.3.3 仿真和结果分析
7.3.4 结论
7.4 PCNN与形态学结合的图像标定
7.4.1 基于双层PCNN与形态学的区域标识算法
7.4.2 实验仿真结果
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
8.1.1 时间序列
8.1.2 熵序列
8.1.3 统计序列
8.1.4 正交变换
8.1.5 特征提取方法总结
8.2 有噪图像识别
8.2.1 基于PCNN的特征提取算法
8.2.2 实验仿真结果
8.3 基于直方图矢量重心的图像目标识别
8.3.1 改进型PCNN模型及其赋时矩阵
8.3.2 直方图矢量重心特征
8.3.3 实验结果与分析
8.4 PCNN应用于语音识别
8.4.1 语谱图介绍
8.4.2 语谱图特征提取算法
8.4.3 实验仿真与结果分析
8.5 虹膜识别
8.5.1 ICM模型
8.5.2 基于ICM的虹膜识别算法
8.5.3 实验结果与分析
8.5.4 其他方案
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
8.6.1 LMS算法
8.6.2 自适应脉冲耦合神经网络的实现
8.6.3 光照对PCNN输出点火时间序列的影响
8.6.4 自适应脉冲耦合神经网络试验研究
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
9.1.1 图像检索技术
9.1.2 基于内容的图像检索的索引技术
9.1.3 图像内容的相似度量方法
9.1.4 图像多特征的相关反馈检索技术
9.1.5 基于内容的图像检索效果评判
9.2 基于PCNN的数字图像签名技术
9.2.1 基于PCNN的特征提取
9.2.2 实验结果
9.3 基于ICM的数字图像签名技术
9.3.1 ICM模型
9.3.2 基于ICM的图像检索系统
9.4 基于PCNN和ICM的图像检索系统性能
9.4.1 PCNN和ICM在基于内容的图像检索系统的优势
9.4.2 基于PCNN和ICM的图像签名技术可改进的地方
9.4.3 关于数据库的几点说明
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
10.1.1 基本概念
10.1.2 组合决策优化问题的三种提法
10.1.3 PCNN与组合决策优化的结合
10.2 基于PCNN的多项式时间算法
10.2.1 最短路径问题
10.2.2 基于PCNN的最短路径问题求解算法
10.2.3 基于PCNN的最短路径问题求解仿真实验
10.3 基于PCNN的非多项式时间算法
10.3.1 旅行商问题
10.3.2 基于PCNN的TSP求解算法
10.3.3 基于PCNN的TSP求解仿真实验
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
11.1.1 连续小波变换
11.1.2 小波变换的时频局部化性能
11.1.3 两类重要的小波变换
11.1.4 小波包变换
11.1.5 小波函数的多样性
11.2 PCNN与小波变换
11.3 PCNN与小波变换的结合
11.3.1 PCNN和小波变换在软件方面的结合
11.3.2 PCNN和小波变换在硬件方面的结合
11.4 非抽样contourlet变换与PCNN在凹点检测的结合应用
11.4.1 非抽样contourlet变换
11.4.2 Sigmoid输出函数的PCNN
11.4.3 实验方案设计
11.4.4 实验分析与讨论
参考文献
W=
B