一种基于脉冲耦合神经网络和图像熵的自动图像分割方法

• Published in: Tongxin Xuebao Vol. 23; no. 1; pp. 46 - 51
• Main Authors: 马义德, 戴若兰, 李廉
• Format: Journal Article
• Language: Chinese
• Published: 兰州大学,干旱生态国家重点实验室,甘肃,兰州,730000 2002; 兰州大学,信息科学与工程学院,甘肃,兰州,730000%兰州大学,干旱生态国家重点实验室,甘肃,兰州,730000%兰州大学,信息科学与工程学院,甘肃,兰州,730000; Editorial Department of Journal on Communications
• Subjects: 图像分割; 脉冲耦合神经网络; 熵; 统计特性
• ISSN: 1000-436X
• DOI: 10.3321/j.issn:1000-436X.2002.01.007

O236; 90年代发展形成的脉冲耦合神经网络(PCNN)模型特别适合于图像分割、边缘提取等方面的应用研究,但众所周知,PCNN模型图像分割效果不但取决于PCNN模型中各个参数的合理选择,而且同时还取决于循环迭代次数的确定选择准则,通常循环迭代次数N的选择通过人工交互方式来确定.正因如此选择合适的准则来确定N是PCNN图像分割的关键,但目前还没有文献提出一个合适的准则来解决这个问题.本文结合图像统计特性和PCNN参数模型提出了熵值最大准则.该准则实现了PCNN神经网络的自动图像分割.对于PCNN的理论研究和实际应用具有非常重要的现实意义.