无需设置参数的快速PCNN图像分割

被引：2

作者：

严冬梅

机构：

[1] 哈尔滨工程大学信息与通信工程学院

来源：

应用科技 | 2013年 / 40卷 / 02期

关键词：

PCNN; 图像分割; 参数设置; 迭代次数;

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)拥有良好的仿生学依据,在图像分割领域获得了很大的成功.但传统PCNN网络需要设置大量参数,且需要对最佳迭代结果进行选择.以往提出的经典解决方法大多需要预设一个较高的迭代次数,且部分参数依靠经验设定.针对参数设置和时间复杂度2个问题,设计了一种仅需2次迭代,参数设置自适应于图像统计特征的PCNN图像分割算法,避免了凭经验设定参数、多次迭代造成运行时间长的问题.实验表明:算法的分割结果主观视觉感受良好,并且在速度上优于对比算法.

引用

页码：35 / 39

页数：5

共 10 条

[1] 基于灰度迭代阈值脉冲耦合神经网络的图像分割 [J].

李海燕 ;

张榆锋 ;

施心陵 ;

陈建华 .

计算机应用, 2011, 31 (10) :2753-2756

[2] 基于改进PCNN和互信息熵的自动图像分割 [J].

魏伟一 ;

李战明 .

计算机工程, 2010, 36 (13) :199-200+204

[3] Unit-Linking PCNN和图像熵的彩色图像分割与边缘检测 [J].

谭颖芳 ;

周冬明 ;

赵东风 ;

聂仁灿 .

计算机工程与应用, 2009, 45 (12) :174-177+180

[4] 基于二维Tsallis熵的改进PCNN图像分割 [J].

张煜东 ;

吴乐南 .

东南大学学报(自然科学版), 2008, (04) :579-584

[5] 用无需选取参数的Unit-linking PCNN进行自动图像分割 [J].

顾晓东 ;

张立明 ;

余道衡 .

电路与系统学报, 2007, (06) :54-59

[6] 一种新的PCNN模型参数估算方法 [J].

赵峙江 ;

赵春晖 ;

张志宏 .

电子学报, 2007, (05) :996-1000

[7] 基于PCNN的高斯噪声滤波 [J].

李永刚 ;

石美红 ;

魏远旺 .

计算机工程与应用, 2007, (01) :65-67+93

[8] 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

[9]

High frequency (60–90 Hz) oscillations in primary visual cortex of awake monkey[J] . Reinhard Eckhorn,Axel Frien,Roman Bauer,Thomas Woelbern,Harald Kehr. NeuroReport . 1993 (3)

[10]

Feature Linking via Synchronization among Distributed Assemblies: Simulations of Results from Cat Visual Cortex[J] . R. Eckhorn,H. J. Reitboeck,M. Arndt,P. Dicke. Neural Computation . 1990 (3)

← 1 →