脉冲耦合神经网络(Pulsed Coupled Neural Networks,PCNN)是第三代神经网络的典型代表,演化自哺乳动物视觉皮层系统的同步脉冲发放现象.在研究PCNN的基础上,我们提出了特征连接模型(Feature Linking Model,FLM),利用FLM的赋时矩阵和单通工作方式进行图像处理.首先,我们提出了FLM,该模型有反馈输入和连接输入两个输入端,它与PCNN有相似的结构,但是在PCNN中有三个漏电积分器而FLM只有两个漏电积分器,因此FLM较PCNN简单.我们发现,当阈值呈现指数衰减时,FLM的赋时矩阵和刺激输入之间呈现一个对数关系,并且通过单通工作方式记录了脉冲发生的时间.FLM中的全局抑制项,提高了同一个区域神经元的同步性和不同区域神经元之间的异步性.另外,γ带振荡启发的连接调节机制和动态阈值特性,使得FLM更接近于生物神经元特性.此外,受到生物神经学支持的赋时矩阵也是本文研究的重点.其次,我们提出了FLM的单通工作方式,该工作方式可以使得所有的神经元只能点火一次,且保证所有的神经元都能够点火.我们利用FLM的单通工作方式获得了赋时矩阵,这为本文提出的图像处理算法提供了基础.此外,FLM是通过其两种突触输入来获得同步脉冲的,我们分别介绍了这两种突触的调节机制和这两种突触的波形传播形式.基于FLM的赋时矩阵,结合同步特性,我们提出了FLM图像增强、图像分割和图像复原三种方法,并详细介绍了每种方法的预处理操作、算法的具体实现过程、参数的设定原理和与其它方法的比较实验等,最后我们从主观和客观两个方面对本文的算法进行评价,评价结果证明了本文提出的算法的优越性.