融合二维条件熵和脉冲耦合神经网络的图像分割算法

摘要：

为了在中强度背景噪声图像分割下提高分割精度和处理速度,提出了一种融合二维条件熵和脉冲耦合神经网络(PCNN)的图像分割算法.该算法在分析PCNN阈值衰减规律的基础上,将原指数形式替换成线性衰减机制,构成线性门限-脉冲耦合神经网络模型,以降低循环迭代的总耗时量.此外,借助能够很好地反映图像边缘细节等局部结构信息的灰度-梯度共生矩阵,将抗噪性能强的条件熵扩展为二维测度,进而形成最大二维条件熵客观判决准则,以获得PCNN的最佳阈值.实验表明,与基于交叉熵的PCNN算法相比,拥有更强的抗噪鲁棒性,同时处理效率也得到明显提升.

关键词：脉冲耦合神经网络、二维条件熵、阈值衰减机制、灰度-梯度共生矩阵

所属期刊栏目：13

分类号：TP391.41(计算技术、计算机技术)

资助基金：河南省教育厅科学技术研究重点项目12A520019

在线出版日期：2013-12-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：9541-9548