本书是一本详细探索和展示脉冲耦合神经网络(PCNN)极佳图像处理能力的专著。PCNN及其相关模型均源自生物神经元启发模型研究，是图像纹理分析、边缘提取、区域分割等非常强大的处理工具。
《脉冲耦合神经网络图像处理(第2版)》适合从事智能信息处理、模式识别、数字信号处理与软计算理论、计算机视觉、通信与图像工程、生物医学图像处理等信息学科相关专业高年级本科生、研究生和相关工程技术人员阅读。
意识问题是对当代科学的巨大挑战，长期以来一直是科学家十分关注的研究对象。由于意识问题的极端复杂性，经过长达几个世纪的探索，至今还没有取得突破性进展。随着人们对生物学与计算机科学等学科研究的逐步深入，相信人们对意识问题的本质会有更深刻的认识。
由于发现脱氧核糖核酸(DNA)的双螺旋结构，Francis Crick与Mauricewilkins共同获得1962年诺贝尔生理及医学奖。Francis Crick认为“人的精神活动完全由神经细胞、胶质细胞的行为和构成及影响它们的原子、离子和分子的性质所决定”。他坚信，意识这个心理学的难题可以用神经科学的方法来解决。他用科学方法来解释意识奥秘的著作《惊人的假说——灵魂的科学探索》一书的最后章节，特别提到脉冲耦合神经网络和研究脉冲耦合神经网络的开山鼻祖Charles M.Gray和Reinhard Eckhor。n等科学家。
1987年，Charles M.Gray等发现猫的初生视觉皮层有神经激发相关振荡现象，并于1989年将其研究成果发表在Nature杂志上。与此同时，ReinhardEckhorn根据猫的大脑视觉皮层同步脉冲发放现象，提出了展示脉冲发放现象的连接模型，继而对其模型进行修改开拓性得到了脉冲耦合神经网络的基本模型。在脉冲耦合神经网络的具体应用中，目前在瑞典首都斯德哥尔摩AlbaNova大学中心的瑞典皇家理工学院粒子与天体粒子研究所从事科研的Thomas Lind-blad和在美国乔治?梅森大学任职的Jason Kinser研究尤为出色。两位合著的《Image Processing using Pulse-Coupled Neural NetWO!’ks》是目前脉冲耦合神经网络应用研究中的权威著作。
译者作为国内最早研究脉冲耦合神经网络的一员，有幸经原作者同意翻译此书，从而国内读者可以更通俗、更准确的方式了解该书有关脉冲耦合神经网络应用研究中的有关知识。
国内研究脉冲耦合神经网络是从20世纪90年代末开始的。脉冲耦合神经网络模型是在哺乳动物视觉皮层神经元研究的基础上提出的新型神经网络模型，国内研究者很少研究其神经元内在机理，主要将其作为强大的数学工具应用于图像处理各个领域，很少对数学模型或参数设置进行研究。
第1章 理论介绍
1.1 概述
1.2 传统图像处理技术
1.2.1 通用性与差异性
1.2.2 内积
1.2.3 哺乳动物的视觉系统
1.2.4 未来工作如何开展
1.3 视觉皮层理论
1.3.1 视觉皮层简介
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 小结
第2章 数字模型原理
2.1 脉冲耦合神经网络
2.1.1 脉冲耦合神经网络原始模型
2.1.2 时间序列
2.1.3 神经元连接
2.1.4 快速连接
2.1.5 快速平滑
2.1.6 模拟时序仿真
2.2 交叉皮层模型——一个通用的数字模型
2.2.1 最小计算复杂度的必要条件
2.2.2 交叉皮层模型
2.2.3 干涉
2.2.4 曲率流模型
2.2.5 向心自动波
2.3 小结
第3章 图像目标自动识别
3.1 重要的图像特征
3.2 血液红细胞图像分割
3.3 乳腺X射线图像分割
3.4 航空器图像识别
3.5 北极光图像分类
3.6 小数幂指数滤波器
3.7 目标识别与二值相关
3.8 图像分解
3.9 反馈式脉冲图像发生器
3.10 目标分离
3.11 动态目标分离
3.12 阴影目标
3.13 考虑含噪图像
3.14 小结
第4章 图像融合
4.1 多光谱模型
4.2 脉冲耦合图像融合设计
4.3 一个彩色图像的例子
4.4 小波滤波图像融合实例
4.5 多光谱目标检测
4.6 小结
第5章 图像纹理处理
5.1 脉冲谱
5.2 谱的统计分离
5.3 利用统计方法的识别
5.4 通过联想记忆的脉冲谱识别
5.5 小结
第6章 图像签名
6.1 图像签名理论
6.1.1 PCNN和图像签名
6.1.2 颜色与形状
6.2 目标签名
6.3 真实图像的签名
6.4 图像签名数据库
6.5 计算最佳视角
6.6 运动估计
6.7 小结
第7章 PCNN的各种应用
7.1 凹点检测
7.1.1 凹点检测算法
7.1.2 基于PCNN凹点模型的目标识别
7.2 直方图再造
7.3 迷宫问题
7.4 PCNN在条形码中的应用
7.4.1 数据序列和图像的条形码生成
7.4.2 PCNN计数器
7.4.3 化学药品索引
7.4.4 星系识别和分类
7.4.5 导航系统
7.4.6 手势识别
7.4.7 路面检测
7.5 小结
第8章 PCNN的硬件实现
8.1 硬件实现原理
8.2 用CNAPs处理器实现
8.3 用VLSI实现
8.4 用FPGA实现
8.5 光学应用
8.6 小结
参考文献
索引
书单推荐
