图像处理与脉冲耦合神经网络 基于Python的实现 第3版pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

图像处理与脉冲耦合神经网络 基于Python的实现 第3版PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 生物模型 1

1.1 引言 2

1.2 生物学基础 4

1.3 Hodgkin-Huxley模型 5

1.4 Fitzhugh-Nagumo模型 6

1.5 Eckhorn模型 7

1.6 Rybak模型 7

1.7 Parodi模型 8

1.8 小结 8

第2章 Python程序设计 10

2.1 编程环境 10

2.1.1 命令行界面 10

2.1.2 IDLE 11

2.1.3 创建一个工作环境 11

2.2 数据类型和简单的数学运算 12

2.3 元组、列表和字典 12

2.3.1 元组 12

2.3.2 列表 13

2.3.3 字典 14

2.4 切片 15

2.5 字符串 16

2.5.1 字符串函数 16

2.5.2 类型转换 18

2.6 控制流 18

2.7 输入和输出 20

2.7.1 文本文件读写 20

2.7.2 Pickle模块 21

2.8 函数 21

2.9 模块 23

2.10 面向对象的程序设计 24

2.10.1 类的内容 24

2.10.2 运算符定义 25

2.10.3 继承 25

2.11 检错 26

2.12 小结 27

第3章 Numpy、SciPy和Python Image Library 28

3.1 NumPy 28

3.1.1 创建数组 28

3.1.2 数组转换 30

3.1.3 矩阵：向量乘法 30

3.1.4 数组的优势 31

3.1.5 数据类型 33

3.1.6 排序 36

3.1.7 字符串和列表的转换 37

3.1.8 矩阵的改变 39

3.1.9 高级切片 40

3.2 SciPy 41

3.3 NumPy中的设计 43

3.4 Python图像库PIL（Python Image Library） 45

3.4.1 图像的读出 45

3.4.2 图像的写入 46

3.4.3 图像转换 46

3.5 小结 47

第4章 PCNN与ICM 48

4.1 PCNN 48

4.1.1 原始模型 48

4.1.2 Python实现 49

4.1.3 脉冲发放行为 52

4.1.4 神经元动态行为的累积 54

4.1.5 时间信号 55

4.1.6 神经元连接 56

4.1.7 快速连接 58

4.1.8 连续时间模型 61

4.2 ICM 62

4.2.1 最小连接需要 62

4.2.2 ICM原理 63

4.2.3 ICM中的连接 65

4.2.4 ICM的Python实现 68

4.3 小结 70

第5章 图像分析 72

5.1 相关图像信息 72

5.2 图像分割 76

5.2.1 血细胞 76

5.2.2 乳房X线影像 77

5.3 自适应分割 78

5.4 焦点和分级聚焦点 80

5.4.1 分级聚焦检测（凹点检测）算法 80

5.4.2 基于PCNN多级聚焦模型的目标识别 83

5.5 图像分解 86

5.6 小结 87

第6章 反馈和分离 88

6.1 反馈式PCNN 88

6.2 目标分离 90

6.2.1 输入图像的规格化 91

6.2.2 滤波器的创建 92

6.2.3 脉冲图像的边缘增强 93

6.2.4 相关及改进 94

6.2.5 峰值检测 95

6.2.6 对输入图像和PCNN所做的调整 96

6.2.7 驱动程序 97

6.3 动态目标分离 98

6.4 阴影目标 99

6.5 噪声图像下的情况 101

6.6 小结 104

第7章 分类识别 105

7.1 航空器 105

7.2 北极光 106

7.3 目标识别：二值图像的相关性 107

7.4 星系 110

7.5 手势识别 114

7.6 路面检测 116

7.7 数字符号 118

7.7.1 数据集合 119

7.7.2 分离出各类的训练图像 120

7.8 产生脉冲图像 120

7.8.1 图像时间信号的分析 121

7.9 人脸定位及识别 123

7.10 小结 128

第8章 纹理识别 129

8.1 脉冲谱 129

8.2 纹理脉冲谱的统计可分性 132

8.3 基于统计方法的脉冲谱识别 132

8.4 基于联想记忆的脉冲谱识别 133

8.5 生物学上的运用 134

8.6 纹理研究 138

8.7 小结 141

第9章 颜色和多通道 142

9.1 模型 142

9.1.1 彩色图像的例子 142

9.1.2 基于Python的实现 146

9.2 多光谱实例 149

9.3 彩色模型的应用 152

9.4 小结 154

第10章 图像的时间信号 155

10.1 图像的时间信号理论 155

10.1.1 PCNN和图像时间信号 155

10.1.2 彩色与形状 156

10.2 目标的时间信号 156

10.3 真实图像的时间信号 158

10.4 图像时间信号数据库 159

10.5 计算最佳视角 160

10.6 运动估计 162

10.7 小结 164

第11章 逻辑 165

11.1 迷宫穿行和TSP（旅行商）问题 165

11.2 条形码和导航 167

11.3 小结 170

附录A图像转换器 171

附录B几何模块 175

附录C分数幂指数滤波器 177

附录D相关运算 179

附录E FAAM 182

附录F主成分分析 184

参考文献 186