基于微分进化的PCNN图像分割方法

被引:4
作者
罗美淑 [1 ]
刘世勇 [2 ]
石磊 [3 ,4 ]
机构
[1] 牡丹江师范学院计算机科学与技术系
[2] 黑龙江幼儿师范高等专科学校
[3] 黑龙江工程学院计算机科学与技术系
[4] 哈尔滨工程大学计算机科学与技术学院
基金
中国博士后科学基金;
关键词
图像分割; 脉冲耦合神经网络; 微分进化算法;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
脉冲耦合神经网络(PCNN)是一种新型神经网络,可以应用于图像分割。然而在对PCNN的研究应用中,其模型参数的合理确定是个难点,这在很大程度上限制了PCNN的应用。针对这一问题,提出一种基于微分进化的PCNN图像分割方法。该方法使用微分进化算法来实现脉冲耦合神经网络参数的自动设定,并通过将其应用于图像分割,将分割结果与其他优秀分割方法比较,从而验证了该方案的正确性与可行性。
引用
收藏
页码:225 / 227
页数:3
相关论文
共 6 条
[1]   基于最大熵和PCNN的图像分割新方法 [J].
朱冰 ;
祝小平 ;
余瑞星 .
红外技术, 2008, (05) :259-262+267
[2]   基于PCNN的灰度图像边缘检测方法 [J].
杨智勇 ;
周琪云 ;
周定康 ;
不详 .
计算机工程与应用 , 2004, (21) :92-93+107
[3]   医学图像分割方法综述 [J].
林瑶 ;
田捷 .
模式识别与人工智能, 2002, 15 (02) :192-204
[4]  
脉冲耦合神经网络原理及其应用.[M].马义德[等]著;.科学出版社.2006,
[5]   Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].
Storn, R ;
Price, K .
JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359
[6]   Feature Linking via Synchronization among Distributed Assemblies: Simulations of Results from Cat Visual Cortex [J].
Eckhorn, R. ;
Reitboeck, H. J. ;
Arndt, M. ;
Dicke, P. .
NEURAL COMPUTATION, 1990, 2 (03) :293-307