一种基于改进PCNN模型的图像分割方法

被引：4

作者：

程丹松 ^{[1
]}

刘晓芳 ^{[2
]}

唐降龙 ^{[1
]}

刘家锋 ^{[1
]}

黄剑华 ^{[1
]}

机构：

[1] 哈尔滨工业大学计算机科学与技术系

[2] 哈尔滨工业大学电气工程学院

来源：

高技术通讯 | 2007年 / 12期

关键词：

脉冲耦合神经网络(PCNN); 图像自动分割; 参数确定; 多目标;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

通过对传统脉冲耦合神经网络(PCNN)模型的改进,在模型的输入端加入目标区域的边缘数据,使最高灰度级不同的非连通神经元同期点火,实现了多目标区域同时分割。给出了影响同期点火激励范围的主要参数β的自动设定方法,并设计了基于图像最大熵准则的自动分割算法。用分割精度评价准则验证了所提出方法的有效性。实验证明,对于低噪声污染的图像,改进的PCNN模型在多目标识别中的正确接受率达到95%以上,明显优于经典的Fastlinking模型。

引用

页码：1228 / 1233

页数：6

共 3 条

[1] 一种基于简化PCNN的自适应图像分割方法 [J].

毕英伟 ;

邱天爽 .

电子学报, 2005, (04) :647-650

[2] 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 [J].

马义德 ;

戴若兰 ;

李廉 .

通信学报, 2002, (01) :46-51

[3]

Filtering images contaminated with pep and salt type noise with pulse-coupled neural networks[J] . Junying Zhang,Zhijun Lu,Lin Shi,Jiyang Dong,Meihong Shi.Science in China Series F: Information Sciences . 2005 (3)

← 1 →