一种基于交叉熵的改进型PCNN图像自动分割新方法

摘要：

脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展的一种新型神经网络.为了自动地进行精确的图像分割,在基于图像处理的前提下,对现有的PCNN模型进行了改进,即从原始图像与分割图像的目标之间、背景之间的差异性出发,提出了一种基于最小交叉熵准则的改进型PCNN图像分割新方法.通过计算机仿真,该方法能够自动确定循环迭代次数和自动选取最佳阈值,并与基于最大香农熵的PCNN分割方法进行了比较.实验结果表明,该方法优于香农熵准则PCNN分割,其不仅对图像分割精度高,而且具有较强的适用性.

关键词：图像分割、最小交叉熵、脉冲耦合神经网络、抑制捕获、阈值函数

所属期刊栏目：10

分类号：TP391.41(计算技术、计算机技术)

资助基金：甘肃省自然科学基金YS021-A22-00910;面向21世纪教育振兴行动计划985计划LZ985-231-582627

在线出版日期：2005-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：579-584