一种基于脉冲耦合神经网络和图像熵的自动图像分割方法

作     者：马义德 戴若兰 李廉 

作者机构：兰州大学干旱生态国家重点实验室甘肃兰州730000 兰州大学信息科学与工程学院甘肃兰州730000 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2002年第23卷第1期

页      面：46-51页

核心收录：

学科分类：0810[工学-信息与通信工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081001[工学-通信与信息系统] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(39770375) 甘肃省自然科学基金资助项目(ZS001-A25-008-Z) 

主　　题：脉冲耦合神经网络 图像分割 图像熵 统计特性 

摘      要：90年代发展形成的脉冲耦合神经网络(PCNN)模型特别适合于图像分割、边缘提取等方面的应用研究,但众所周知,PCNN模型图像分割效果不但取决于PCNN模型中各个参数的合理选择,而且同时还取决于循环迭代次数的确定选择准则,通常循环迭代次数N的选择通过人工交互方式来确定。正因如此选择合适的准则来确定N是PCNN图像分割的关键,但目前还没有文献提出一个合适的准则来解决这个问题。本文结合图像统计特性和PCNN参数模型提出了熵值最大准则。该准则实现了PCNN神经网络的自动图像分割。对于PCNN的理论研究和实际应用具有非常重要的现实意义。