托馬斯·林德布拉德、詹森·金賽著的《圖像處
理與脈衝耦合神經網絡——基於Python的實現（第3
版）（精）》對多種生物視覺模型的起源及特點進行
了分析，並詳述了PCNN與ICM兩種模型的構成及工作
機理。然後以PCNN與ICM模型為基礎，全面說明了這
兩種模型在圖像分析、目標分離、紋理識別、彩色圖
像處理、圖像時間信號提取與應用及邏輯分析等方面
的應用。同時還對書中多種算法給出了具體的Python
實現代碼。
本書內容豐富、案例典型、學術性強、應用價值
強、可讀性好。非常適合從事智能信息處理、圖像處
理與識別等信息學科相關專業人員閱讀與使用。

第1章 生物模型
1.1 引言
1.2 生物學基礎
1.3 Hodgkin-Huxley模型
1.4 Fitzhugh-Nagumo模型
1.5 Eckhom模型
1.6 aybak模型
1.7 Parodi模型
1.8 小結
第2章 Python程序設計
2.1 編程環境
2.1.1 命令行界面
2.1.2 IDLE
2.1.3 創建一個工作環境
2.2 數據類型和簡單的數學運算
2.3 元組、列表和字典
2.3.1 元組
2.3.2 列表
2.3.3 字典
2.4 切片
2.5 字符串
2.5.1 字符串函數
2.5.2 類型轉換
2.6 控制流
2.7 輸入和輸出
2.7.1 文本文件讀寫
2.7.2 Pickle模塊
2.8 函數
2.9 模塊
2.10 面向對像的程序設計
2.10.1 類的內容
2.10.2 運算符定義
2.10.3 繼承
2.11 檢錯
2.12 小結
第3章 Numpy、SciPy和Python Image Library
3.1 NumPy
3.1.1 創建數組
3.1.2 數組轉換
3.1.3 矩陣：向量乘法
3.1.4 數組的優勢
3.1.5 數據類型
3.1.6 排序
3.1.7 字符串和列表的轉換
3.1.8 矩陣的改變
3.1.9 **切片
3.2 SciPy
3.3 NumPy中的設計
3.4 Python圖像庫PIL（Python Image Library）
3.4.1 圖像的讀出
3.4.2 圖像的寫入
3.4.3 圖像轉換
3.5 小結
第4章 PCNN與ICM
4.1 PCNN
4.1.1 原始模型
4.1.2 Python實現
4.1.3 脈衝發放行為
4.1.4 神經元動態行為的累積
4.1.5 時間信號
4.1.6 神經元連接
4.1.7 快速連接
4.1.8 連續時間模型
4.2 ICM
4.2.1 *小連接需要
4.2.2 ICM原理
4.2.3 ICM中的連接
4.2.4 ICM的Pvthon實現
4.3 小結
第5章 圖像分析
5.1 相關圖像信息
5.2 圖像分割
5.2.1 血細胞
5.2.2 乳房X線影像
5.3 自適應分割
5.4 焦點和分級聚焦點
5.4.1 分級聚焦檢測（凹點檢測）算法
5.4.2 基於PCNN多級聚焦模型的目標識別
5.5 圖像分解
5.6 小結
第6章 反饋和分離
6.1 反饋式PCNN
6.2 目標分離
6.2.1 輸入圖像的規格化
6.2.2 濾波器的創建
6.2.3 脈衝圖像的邊緣增強
6.2.4 相關及改進
6.2.5 峰值檢測
6.2.6 對輸入圖像和PCNN所做的調整
6.2.7 驅動程序
6.3 動態目標分離
6.4 陰影目標
6.5 噪聲圖像下的情況
6.6 小結
第7章 分類識別
7.1 航空器
7.2 北極光
7.3 目標識別：二值圖像的相關性
7.4 星繫
7.5 手勢識別
7.6 路面檢測
7.7 數字符號
7.7.1 數據集合
7.7.2 分離出各類的訓練圖像
7.8 產生脈衝圖像
7.8.1 圖像時間信號的分析
7.9 人臉定位及識別
7.10 小結
第8章 紋理識別
8.1 脈衝譜
8.2 紋理脈衝譜的統計可分性
8.3 基於統計方法的脈衝譜識別
8.4 基於聯想記憶的脈衝譜識別
8.5 生物學上的運用
8.6 紋理研究
8.7 小結
第9章 顏色和多通道
9.1 模型
9.1.1 彩色圖像的例子
9.1.2 基於Python的實現
9.2 多光譜實例
9.3 彩色模型的應用
9.4 小結
**0章 圖像的時間信號
10.1 圖像的時間信號理論
10.1.1 PCNN和圖像時間信號
10.1.2 彩色與形狀
10.2 目標的時間信號
10.3 真實圖像的時間信號
10.4 圖像時間信號數據庫
10.5 計算*佳視角
10.6 運動估計
10.7 小結
**1章 邏輯
11.1 迷宮穿行和TSP（旅行商）問題
11.2 條形碼和導航
11.3 小結
附錄A 圖像轉換器
附錄B 幾何模塊
附錄C 分數冪指數濾波器
附錄D 相關運算
附錄E FAAM
附錄F 主成分分析
參考文獻