数字图像处理方向学术论文
第一章 绪论 11
1.4本文的主要工作及内容安排
1.4.1 本文的主要工作
本文是结合武器装备预研基金项目“基于图像融合的故障诊断技术” 展开的。工作的重点是利用一种生物视觉模型对一组缺陷图像进行分割处理和定位分析，并用遗传算法和粒子群优化算法对模型中的参数进行优化，以达到提高分割性能的目的。
本文实现了一种基于生物视觉模型的图像分割算法。脉冲耦合神经网络（PCNN）是根据对动物的大脑视觉皮层同步脉冲发放所获得的实验结果进一步分析研究所得到的神经网络数学模型，具有时空整合特性和变阈值特性。
PCNN网络模型中所涉及的参数对于分割结果会产生非常重要的影响,针对这一问题，本文利用遗传算法和粒子群优化算法两种进化算法，通过设计一种目标函数来优化PCNN网络模型参数，从而为不同的图像进化出最优的参数，最终取得最好的分割结果。
1.4.2本文的内容安排
本文的主要内容和结构安排如下：
第一章为绪论部分，首先介绍了本文工作的研究背景及其重要意义，然后全面综述了目前国内外在图像分割方面的研究现状以及常用的一些理论和方法。阐明了本文的工作成果和内容安排。
第二章详细分析了神经网络技术的发展及应用前景。
第三章基于一种生物视觉模型——脉冲耦合神经网络模型实现对图像的分详细介绍了PCNN 的生理学基础及其在图像分割方面的应用，利用PCNN对25割，
幅缺陷图像进行了分割，并对实验结果进行了分析。
第四章基于两种进化算法——遗传算法和粒子群优化算法实现对网络参数的优化，设计一种根据直方图形状、聚类和熵信息的融合的目标函数，选择最优的一组参数与每一幅图像对应，以实现最佳的分割效果。
第五章全面总结了本文的主要工作和研究成果，并对今后的研究方法和需要进一步解决的关键技术进行了展望。