10.11896/j.issn.1002-137X.2017.04.064
基于脉冲耦合神经网络的图像分割
针对传统脉冲耦合神经网络(PCNN)模型在图像分割时需要设置较多参数和不能准确分割低对比度图像的问题,提出一种简化的PCNN模型和改进算法.在简化模型中减少了在传统PCNN模型中需要设置的参数的数量;在改进算法中根据图像像素空间和灰度特征自适应设置模型参数,并根据图像灰度直方图求出灰度期望均值作为图像分割阈值,因此该算法无需选择循环迭代次数,只需一次点火过程就能实现图像的有效分割.实验结果表明,该方法能准确分割图像,纹理细节清晰,分割结果优于人工调整参数的PCNN方法和Otsu方法.
脉冲耦合神经网络、图像分割、参数设置、灰度期望均值
44
TP183(自动化基础理论)
2017-05-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
317-322