基于灰度迭代阈值脉冲耦合神经网络的图像分割
为有效分割图像,提出了灰度迭代阈值脉冲耦合神经网络(GIT-PCNN).GIT-PCNN简化了传统PCNN模型,将其指数衰减的阈值改进为图像的灰度迭代阈值.GIT-PCNN分割图像时无需进行参数和循环次数选择,也无需使用特定原则确定循环结束条件,一次点火过程完成分割.GIT-PCNN分割图像时充分利用了图像的灰度信息和PCNN特有的空间邻近及像素灰度值相似集群发放脉冲提供的图像局部位置信息.实验结果表明,GIT-PCNN在主观及客观的分割性能和速度上均优于经典的PCNN分割方法.
图像分割、脉冲耦合神经网络、指数衰减阈值、灰度迭代阈值、分割性能
31
TP391.41;TN911.73(计算技术、计算机技术)
云南省教育厅科学研究基金资助项目K1050627;云南大学第二批中青年骨干教师基金;云南大学在职培养博士科研启动基金资助项目21132014
2012-01-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
2753-2756