脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像處理（第2版）

定　價(jià)：￥18.00

作　者：	（瑞典）林德布萊德,（美）凱澤
出版社：	高等教育出版社
叢編項(xiàng)：
標(biāo)　簽：	振蕩器

購(gòu)買這本書(shū)可以去

ISBN：	9787040244632	出版時(shí)間：	2008-01-01	包裝：	平裝
開(kāi)本：	16	頁(yè)數(shù)：	140	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像處理》是第一本詳細(xì)探索和展示脈；中耦合神經(jīng)網(wǎng)絡(luò)（PCNN）極佳圖像處理能力的專著。PCNN及其相關(guān)模型均源自生物神經(jīng)元啟發(fā)模型研究，是圖像紋理分析、邊緣提取、區(qū)域分割等非常強(qiáng)大的處理工具。這也是大多數(shù)圖像處理項(xiàng)目的最基本任務(wù)，故PCNN非常適合目標(biāo)識(shí)別、凹點(diǎn)檢測(cè)和圖像融合等常規(guī)圖像處理任務(wù)。因此，PCNN的出現(xiàn)為目標(biāo)分離、多通道圖像融合、圖像簽名和基于內(nèi)容的圖像檢索等圖像處理的新技術(shù)發(fā)展鋪平了道路?！睹}沖耦合神經(jīng)網(wǎng)絡(luò)圖像處理》還包括大量PCNN圖像處理的應(yīng)用實(shí)例以及對(duì)其硬件實(shí)現(xiàn)技術(shù)的討論。.《脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像處理》適合從事智能信息處理、模式識(shí)別、數(shù)字信號(hào)處理與軟計(jì)算理論、計(jì)算機(jī)視覺(jué)、通信與圖像工程、生物醫(yī)學(xué)圖像處理等信息學(xué)科相關(guān)專業(yè)高年級(jí)本科生、研究生和相關(guān)工程技術(shù)人員閱讀。

作者簡(jiǎn)介

暫缺《脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像處理（第2版）》作者簡(jiǎn)介

圖書(shū)目錄

第1章理論介紹
1.1 概述
1.2 傳統(tǒng)圖像處理技術(shù)
1.2.1　通用性與差異性
1.2.2 內(nèi)積
1.2.3　哺乳動(dòng)物的視覺(jué)系統(tǒng)
1.2.4　未來(lái)工作如何開(kāi)展
1.3 視覺(jué)皮層理論
1.3.1　視覺(jué)皮層簡(jiǎn)介
1.3.2 Hodgkin-Huxley模型
1.3.3 Fitzhugh-Nagumo模型
1.3.4 Eckhom模型
1.3.5 Rybak模型
1.3.6 Parodi模型
1.4 小結(jié)
第2章數(shù)字模型原理
2.1　脈沖耦合神經(jīng)網(wǎng)絡(luò)
2.1.1　脈沖耦合神經(jīng)網(wǎng)絡(luò)原始模型
2.1.2　時(shí)間序列
2.1.3　神經(jīng)元連接
2.1.4　快速連接
2.1.5　快速平滑
2.1.6　模擬時(shí)序仿真
2.2　交叉皮層模型——一個(gè)通用的數(shù)字模型
2.2.1　最小計(jì)算復(fù)雜度的必要條件
2.2.2　交叉皮層模型
2.2.3　干涉
2.2.4　曲率流模型
2.2.5 向心自動(dòng)波
2.3　小結(jié)
第3章　圖像目標(biāo)自動(dòng)識(shí)別
3.1　重要的圖像特征
3.2　血液紅細(xì)胞圖像分割
3.3　乳腺X射線圖像分割
3.4　航空器圖像識(shí)別
3.5　北極光圖像分類
3.6　小數(shù)冪指數(shù)濾波器
3.7 目標(biāo)識(shí)別與二值相關(guān)
3.8　圖像分解
3.9　反饋式脈沖圖像發(fā)生器
3.10 目標(biāo)分離
3.11　動(dòng)態(tài)目標(biāo)分離
3.12　陰影目標(biāo)
3.13　考慮含噪圖像
3.14　小結(jié)
第4章　圖像融合
4.1　多光譜模型
4.2　脈沖耦合圖像融合設(shè)計(jì)
4.3　一個(gè)彩色圖像的例子
4.4　小波濾波圖像融合實(shí)例
4.5　多光譜目標(biāo)檢測(cè)
4.6　小結(jié)
第5章　圖像紋理處理
5.1　脈沖譜
5.2　譜的統(tǒng)計(jì)分離
5.3　利用統(tǒng)計(jì)方法的識(shí)別
5.4　通過(guò)聯(lián)想記憶的脈沖譜識(shí)別
5.5　小結(jié)
第6章　圖像簽名
6.1 圖像簽名理論
6.1.1 PCNN和圖像簽名
6.1.2 顏色與形狀
6.2 目標(biāo)簽名
6.3 真實(shí)圖像的簽名
6.4 圖像簽名數(shù)據(jù)庫(kù)
6.5 計(jì)算最佳視角
6.6 運(yùn)動(dòng)估計(jì)
6.7 小結(jié)
第7章　PCNN的各種應(yīng)用
7.1 凹點(diǎn)檢測(cè)
7.1.1 凹點(diǎn)檢測(cè)算法
7.1.2 基于PCNN凹點(diǎn)模型的目標(biāo)識(shí)別
7.2 直方圖再造
7.3 迷宮問(wèn)題
7.4 PCNN在條形碼中的應(yīng)用
7.4.1　數(shù)據(jù)序列和圖像的條形碼生成
7.4.2　PCNN計(jì)數(shù)器
7.4.3　化學(xué)藥品索引
7.4.4　星系識(shí)別和分類
7.4.5　導(dǎo)航系統(tǒng)
7.4.6　手勢(shì)識(shí)別
7.4.7　路面檢測(cè)
7.5 小結(jié)
第8章　PCNN的硬件實(shí)現(xiàn)
　8.1　硬件實(shí)現(xiàn)原理
　8.2　用CNAPs處理器實(shí)現(xiàn)
　8.3　用VLSI實(shí)現(xiàn)
　8.4　用FPGA實(shí)現(xiàn)
　8.5　光學(xué)應(yīng)用
　8.6　小結(jié)
參考文獻(xiàn)
索引