基于PCNN和SVM的图像识别方法研究

• 作者: 吴庆宪 姜长生 安国平
• 来源期刊: 电光与控制
• 学科: 工学
• 关键词: 脉冲耦合神经网络 图像分割 互信息量 支持向量机
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 学术研究
• 页码范围: 42-46
• 页数: 5页
• 分类号: V271.4|TP391.4
• 字数: 4131字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-637X.2008.10.009

摘要

利用脉冲耦合神经网络(PCNN)具有良好的脉冲传播特性,研究了利用PCNN进行图像分割的技术.针对模型参数和最优分割结果难以确定的问题,改进了标准PENN模型,提出了基于互信患量的PCNN图像分割方法.计算原图像与PCNN分割图像序列问的互信息量,对应最大互信息量的分割图像就是最佳分割结果.然后选取不同类型飞机图像提取不变矩特征,用支持向量机(SVM)实现分类识别.实验结果表明,该方法分割效果好,适应性强,能够很好地识别飞机图像.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜长生	南京航空航天大学自动化学院	380	3810	27.0	38.0
2	吴庆宪	南京航空航天大学自动化学院	198	1678	22.0	30.0
3	安国平	南京航空航天大学自动化学院	1	11	1.0	1.0