基于并行点火PCNN模型的图像分割新方法

摘要：

提出一种并行点火脉冲耦合神经网络(Parallelized firing pulse coupled neural networks,PFPCNN)模型的图像分割方法.首先用改进的Unit-linking PCNN(ULPCNN)模型对图像进行增强.便于后续的图像分割.然后采用PFPCNN新模型对增强后的图像进行分割,最后用最大香农熵方法判定最佳分割结果.各种复杂场景下的仿真实验及定量评价表明,本文提出的图像分割方法,其效果明显优于常规的PCNN分割方法.

关键词：脉冲耦合神经网络、并行点火模型、图像增强、最大香农熵、图像分割

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：航空科学基金20060112116;国防预研基金9140A01060108DZ02

在线出版日期：2008-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1169-1173