随着生物神经学的研究和发展，一种被称为第三代人工神经网络的新型网络模型----脉冲耦合神经网络(pulse coupled neural network，PCNN)的研究悄然兴起。该网络不同于传统人工神经网络，是依据猫、猴等动物的大脑视觉皮层上的同步脉冲发放现象提出的，是对真实神经元的简化与近似，其应用前景非常广泛。PCNN网络模型具有的链接域特性和动态阈值衰减特性能够使状态相似的神经元同步输出脉冲，这一点充分模拟了哺乳动物视觉皮层神经元的生物特性，因而在图像处理方面获得了广泛的应用。本论文在详细介绍脉冲耦合神经网络基本原理的基础上，对脉冲耦合神经网络在图像处理方面的应用成果进行了较全面的概括，并对图像去噪和边缘检测算法进行仿真实验研究；介绍混沌理论及混沌神经网络模型；并尝试将混沌现象引入脉冲耦合神经网络中。论文主要内容如下：1．对脉冲耦合神经网络在图像去噪、图像增强、图像分割、图像边缘检测等几个方面近年来所出现的不同算法进行较为全面的总结和比较，分析其优劣，证实PCNN用于图像处理具有其它网络所不可比拟的优势。2．对二值图像进行去噪处理，针对被椒盐噪声污染的图像，进行实验仿真，其效果明显优于中值滤波的结果；给出PCNN用于二值图像边缘检测的仿真效果。对算法中的诸多参数进行分析，促进了对这一网络的了解，并且由此加深了对真实生物视觉系统的认识。3．通过将复位阈值由定值变为给定脉冲时间间隔(ISI)变量的正弦曲线振荡值，得到具有混沌现象的混沌脉冲耦合神经元模型。分析单个神经元的动态行为和两个神经元耦合的持续同步点火条件；对点火时间相位进行仿真，通过其行为分类仿真图观察到准周期行为和混沌行为的出现，并利用Lyapunov指数方法判定了混沌的存在。