一种基于最优门限的脉冲耦合神经网络图像分割新方法
脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)可被用于图像分割,但针对不同的图像,为得到有效的分割效果,要选择网络参数及分割循环次数.本文提出了一种基于最优门限的PCNN简化模型,结合人眼的视觉特性,改进了传统PCNN指数衰减的阈值门限,提出了基于图像统计特征的最优门限.简化的PCNN模型以最优门限为初始点火阈值,一次点火过程即可完成图像分割.仿真结果表明该方法分割得到的目标区域完整,具有较强的普适性,能很好地抑制噪声,并提高了的运算速度.
图像分割 脉冲耦合神经网络 最优门限 点火阈值 运算速度 阈值门限
李海燕 柏正尧 任文平
云南大学信息学院 昆明 650091
国内会议
河南焦作
中文
472-475
2008-08-06（万方平台首次上网日期，不代表论文的发表时间）