文献类型：期刊文章

作　　者：刘勍[1] 马义德[2] 钱志柏[2]

机构地区：[1]天水师范学院数理与信息科学学院,天水741000 [2]兰州大学信息科学与工程学院,兰州730000

出　　处：《中国图象图形学报（A辑）》

基　　金：甘肃省自然科学基金项目(YS021A2200910);"985"特色项目计划基金资助项目(LZ985231582627)

年　　份：2005

卷　　号：10

期　　号：5

起止页码：579-584

语　　种：中文

收录情况：BDHX、BDHX2004、CSCD、CSCD2011_2012、核心刊

摘　　要：脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展的一种新型神经网络。为了自动地进行精确的图像分割,在基于图像处理的前提下,对现有的PCNN模型进行了改进,即从原始图像与分割图像的目标之间、背景之间的差异性出发,提出了一种基于最小交叉熵准则的改进型PCNN图像分割新方法。通过计算机仿真,该方法能够自动确定循环迭代次数和自动选取最佳阈值,并与基于最大香农熵的PCNN分割方法进行了比较。实验结果表明,该方法优于香农熵准则PCNN分割,其不仅对图像分割精度高,而且具有较强的适用性。

关 键 词：PCNN 改进型 自动分割  交叉熵 20世纪90年代  脉冲耦合神经网络  图像分割  计算机仿真  图像处理  分割图像  原始图像  最佳阈值 自动选取  迭代次数 自动确定  分割方法  熵准则  差异性  香农熵  适用性  最小  

分 类 号：TP391.41] TN911.73[计算机类]