由Eckhorn神经元模型得到的脉冲耦合神经网络模型(PCNN)是直接观察猫的视觉皮层神经细胞并模拟其活动而得到的人工神经网络模型。PCNN不同于传统的人工神经网络模型，它是通过模拟视觉皮层神经细胞的活动而建立的神经网络模型，是对真实神经元的简化与近似。PCNN网络模型所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，因而在图像分割、边缘提取、目标识别等图像处理方而获得了广泛的应用。 本文深入研究脉冲耦合神经网络的基本原理、运动行为及其特性，本论文对原始PCNN模型做了一定程度的简化，在保持PCNN链接域特性和动态阈值衰减特性的基础上减少了神经元模型的一些参数，提出更适用于图像处理的简化型PCNN模型。从理论上说，简化型PCNN可以用于图像处理的各个方面，本文只对灰度指纹图像进行了分割，又对被白噪声污染的二值指纹图像进行了去噪处理，完成了指纹识别系统中两个重要的环节。同时，实验发现简化型PCNN处理其它类型图像同样有效。 实验结果证明，本文提出的方法用于指纹图像的分割和去噪时，性能优于其它算法，满足指纹识别系统的精度要求。简化型PCNN具有很好的亮度和对比度适应性，同一图像的分割效果不受亮度、对比度不同的影响。