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
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
收藏
页码:35 / 39
页数:5
相关论文
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)