一种基于交叉熵的改进型PCNN图像自动分割新方法

• 作者: 刘勍 钱志柏 马义德
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 图像分割 最小交叉熵 脉冲耦合神经网络 抑制捕获 阈值函数
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 学术论文与技术报告
• 页码范围: 579-584
• 页数: 6页
• 分类号: TP391.41
• 字数: 5448字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8961.2005.05.006

摘要

脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展的一种新型神经网络.为了自动地进行精确的图像分割,在基于图像处理的前提下,对现有的PCNN模型进行了改进,即从原始图像与分割图像的目标之间、背景之间的差异性出发,提出了一种基于最小交叉熵准则的改进型PCNN图像分割新方法.通过计算机仿真,该方法能够自动确定循环迭代次数和自动选取最佳阈值,并与基于最大香农熵的PCNN分割方法进行了比较.实验结果表明,该方法优于香农熵准则PCNN分割,其不仅对图像分割精度高,而且具有较强的适用性.

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	兰州大学信息科学与工程学院	149	2170	21.0	42.0
2	刘勍	天水师范学院数理与信息科学学院	45	437	10.0	20.0
4	钱志柏	兰州大学信息科学与工程学院	4	181	4.0	4.0