10.3778/j.issn.1002-8331.1706-0390
基于灰度迭代阈值PCNN的眼底图像血管分割
针对传统的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)模型中参数众多且不易自动选取,迭代次数结束条件不好确定的问题,提出了一种基于灰度迭代阈值脉冲耦合神经网络的眼底图像血管分割方法.该方法简化了传统PCNN模型,将其单一的神经元兴奋性链接输入改进为神经元兴奋性与邻域抑制性链接输入之和;同时将其随时间指数衰减的阈值改进为图像的灰度迭代阈值,分割图像时无需人工设置参数,无需特定准则确定最佳迭代次数,一次迭代完成分割.对DRIVE眼底图像库的实验结果表明,该方法在主观视觉效果及客观分割性能和运算耗时上均明显优于传统PCNN方法.
血管分割、脉冲耦合神经网络、链接输入、灰度迭代阈值、分割性能
54
TP391(计算技术、计算机技术)
国家自然科学基金11262004;广西多源信息挖掘与安全重点实验室开放基金MIMS15-06;广西研究生教育创新计划项目XYCSZ2017051
2018-11-02（万方平台首次上网日期，不代表论文的发表时间）
共5页
197-201
