基于最小Tsallis交叉熵改进型PCNN图像分割算法

• 作者: 吴秀东 张起 李东兴 蔡亚南 高倩倩
• 来源期刊: 山东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 脉冲耦合神经网络 Tsallis交叉熵 图像特性 图像分割
• 年，卷（期）: 2018,（5）
• 页码范围: 1-6
• 页数: 6页
• 分类号: TP391
• 字数: 4101字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-6197.2018.05.001

摘要

针对传统脉冲耦合神经网络(PCNN)模型中存在的待定参数过多且难以选择、循环迭代次数难以确定的缺陷,提出了一种基于最小Tsallis交叉熵改进型PCNN图像分割算法.根据改进的内部活动项和阈值衰减函数初始化模型参数,根据图像特性自适应设置链接强度系数和链接权值矩阵;利用最小Tsallis交叉熵准则确定PCNN循环迭代次数,采用双边带滤波器对分割图像进行滤波,获取最优图像分割结果.仿真实验结果表明,该算法提高了分割后图像的区域一致性、区域对比度、形状测度,缩短了运行时间,改进了图像分割效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李东兴	山东理工大学机械工程学院	29	85	5.0	8.0
2	蔡亚南	山东理工大学机械工程学院	4	5	1.0	2.0
3	吴秀东	山东理工大学机械工程学院	5	8	2.0	2.0
4	张起	山东理工大学机械工程学院	2	3	1.0	1.0
5	高倩倩	山东理工大学机械工程学院	2	3	1.0	1.0