从20世纪90年代开始，通过Reinhard Eckhorn等对猫的视觉皮层神经元脉冲串同步振荡现象的研究，得到了哺乳动物神经元模型，并由此发展形成了脉冲耦合神经网络PCNN模型。脉冲耦合神经网络进一步靠近真实哺乳动物视觉神经网络中神经细胞的工作原理，非常适合于图像分割、图像平滑及降噪等应用，是20世纪神经网络理论发展的里程碑，引起了众多学者的兴趣。
    《脉冲耦合神经网络与数字图像处理》在详细阐述PCNN脉冲耦合神经网络的原理的基础上，分析了其在数字图像处理技术中的应用，特别是在图像降噪、图像分割、参数寻优、压缩编码、图像增强、图像融合、目标识别、图像签名、图像检索、组合决策优化、虹膜识别、细胞分析、凹点检测以及语音识别等方面的最新研究成果，同时介绍了其与数学形态学、小波理论等结合的应用实例，还给出了其在MATLAB环境下编程实现的主要程序，便于研究者和学习者很快上手，尽快掌握，利于PCNN脉冲耦合神经网络在我国的应用和相关芯片的开发设计。
    《脉冲耦合神经网络与数字图像处理》适合数字信号处理、人工智能理论、生物医学图像处理等专业研究生、高年级本科生阅读，还适合数字图像分析和处理、图像通信工程等相关领域的研究人员参考使用。

    第1章  脉冲耦合神经网络
    1.1  大脑皮层
    自然界经过几亿年演化形成的人和哺乳动物的视觉系统是目前已知的最复杂、最先进和最强有力的图像信息处理装置。如图1.1所示为哺乳动物视觉通路示意图，图像信息通过视觉系统神经元信号传导和连续传递，直到大脑皮层。大脑皮层是视觉系统处理图像信息的关键部位。如图1.2所示为这种图像信息传递的神经通路示意图。模拟仿制人或哺乳动物的视觉系统是模式识别和机器视觉等研究领域多年来一直探索的热点课题。
    视觉系统是大脑主要组成部分。人类大脑由亿万个神经元组成，高度发达的大脑皮层中就约有140亿个神经元，每立方毫米多于20000个神经元。大脑皮层是生物机体感觉的最高级中枢，大脑的任何部位都与大脑皮层有联系，通过这种联系，使来自视觉、触觉和嗅觉等各种的信息汇集在大脑皮层并完成最后的感觉分析和综合处理活动。哺乳动物一旦失去大脑皮层，就不能维持正常的生命活动，人类大脑皮层使人有了抽象思维能力，构成了人类智慧的物质基础。
    本书所讲的脉冲耦合神经网络（pulse Coupled neural network，  PCNN）就是由哺乳动物大脑皮层的视觉区神经元传导特性启发而来的。
    1.1.1  神经元
    神经元即神经细胞，是生物神经系统信息传递的基本单元，它能感受刺激、传导冲动，其数量庞大、结构复杂、高度分化、形态各异。

前言
第1章  脉冲耦合神经网络
1.1  大脑皮层
1.2  脉冲耦合神经网络的基本模型
1.3  脉冲耦合神经网络的工作机理
1.4  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
2.2  一些经典噪声滤波器
2.3  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
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
3.2  生物细胞图像分割技术的进展
3.3  基于PCNN和熵值最大原则的植物细胞图像分割
3.4  基于聚类的分割技术进展
3.5  基于区域增长的PCNN分割
3.6  基于交叉熵的改进型PCNN图像自动分割方法
3.7  基于遗传算法的PCNN自动系统的研究
3.8  一种生物彩色图像自动分割新方案
……
第4章  脉冲耦合神经网络与图像编码
第5章  脉冲耦合神经网络与图像增强
第6章  脉冲耦合神经网络与图像融合
第7章  脉冲耦合神经网络与形态学
第8章  脉冲耦合神经网络在特征提取中的应用
第9章  脉冲耦合神经网络与数字图像签名技术
第10章  脉冲耦合神经网络与组合决策优化
第11章  脉冲耦合神经网络和小波变换
参考文献