| 一种基于交叉熵的改进型PCNN图像自动分割新方法 |
| |
| 作者姓名： | 刘鱼勍 马义德 钱志柏 |
| |
| 作者单位： | [1]兰州大学信息科学与工程学院,兰州730000 [2]天水师范学院数理与信息科学学院,天水741000／／兰州大学信息科学与工程学院,兰州730000 |
| |
| 基金项目： | 甘肃省自然科学基金项目(YS021A2200910),“985”特色项目计划基金资助项目(LZ985231582627) |
| |
| 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： | PCNN 改进型 自动分割 交叉熵 20世纪90年代 脉冲耦合神经网络 图像分割 计算机仿真 图像处理 分割图像 原始图像 最佳阈值 自动选取 迭代次数 自动确定 分割方法 熵准则 差异性 香农熵 适用性 最小 |
| 文章编号： | 1006-8961(2005)05-0579-06 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
