随着数字化时代的到来,图像信息以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要来源及利用信息的重要手段。图像处理技术已经成为科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。图像信息是通过人的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。脉冲耦合神经网络以其强大的生物学背景,在图像处理方面凸显出绝对的优势。脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)是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,并由此发展而形成的。PCNN作为第三代人工神经网络发展的主要标志,它的变阈值特性、非线性调制特性、同步脉冲发放等特性可以很好的模拟人或哺乳动物的视觉系统,它是对真实神经元的简化与近似,从而可运用到图像处理的各个领域。本论文就脉冲耦合神经网络在图像处理方面的应用作了研究。首先简要介绍了图像处理的内容以及常用的图像处理技术,如图像滤波、图像分割的常用技术；其次介绍了脉冲耦合神经网络的基本模型、工作原理和动作行为等,然后重点分析了脉冲耦合神经网络在图像滤波和图像分割中的应用,最后对整篇论文进行了总结,并对PCNN的发展给予展望。针对PCNN用于图像去噪的特性,本文重点讨论了基于PCNN的类中值滤波算法在彩色图像去噪中的应用,建立了一个在HIS色彩空间上的PCNN简化模型,仿真实验表明此算法能够更好的保护图像细节,较传统的彩色图像去噪算法有较明显的优越性。同样,由于脉冲藕合神经网络具有的一些重要特性,如：捕获特性、同步脉冲发放特性、自动波传播特性等,它非常适合应用于图像分割中,本文针对实际应用中的问题提出了改进方法并与最大熵准则结合,通过实验表明,改进的方法具有良好的性能。