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

• 作者: 戴若兰 李廉 马义德
• 来源期刊: 通信学报
• 学科: 数学
• 关键词: 脉冲耦合神经网络 图像分割 熵 统计特性
• 年，卷（期）: 2002,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 46-51
• 页数: 6页
• 分类号: O236
• 字数: 2833字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-436X.2002.01.007

摘要

90年代发展形成的脉冲耦合神经网络(PCNN)模型特别适合于图像分割、边缘提取等方面的应用研究,但众所周知,PCNN模型图像分割效果不但取决于PCNN模型中各个参数的合理选择,而且同时还取决于循环迭代次数的确定选择准则,通常循环迭代次数N的选择通过人工交互方式来确定.正因如此选择合适的准则来确定N是PCNN图像分割的关键,但目前还没有文献提出一个合适的准则来解决这个问题.本文结合图像统计特性和PCNN参数模型提出了熵值最大准则.该准则实现了PCNN神经网络的自动图像分割.对于PCNN的理论研究和实际应用具有非常重要的现实意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马义德	兰州大学干旱生态国家重点实验室	149	2170	21.0	42.0
5	李廉	兰州大学信息科学与工程学院	69	731	11.0	26.0
6	戴若兰	兰州大学干旱生态国家重点实验室	13	810	10.0	13.0