一种基于改进PCNN模型的图像分割方法

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.

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

所属期刊栏目：17

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金60573071

在线出版日期：2008-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1228-1233