首页 | 本学科首页   官方微博 | 高级检索  
     

一种基于交叉熵的改进型PCNN图像自动分割新方法
引用本文:刘鱼勍,马义德,钱志柏. 一种基于交叉熵的改进型PCNN图像自动分割新方法[J]. 中国图象图形学报, 2005, 10(5): 579-584
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

Automated Image Segmentation Using Improved PCNN Model Based on Cross-entropy
LIU Qing ,MA Yi-de ,QIAN Zhi-bai ,LIU Qing ,MA Yi-de ,QIAN Zhi-bai and LIU Qing ,MA Yi-de ,QIAN Zhi-bai. Automated Image Segmentation Using Improved PCNN Model Based on Cross-entropy[J]. Journal of Image and Graphics, 2005, 10(5): 579-584
Authors:LIU Qing   MA Yi-de   QIAN Zhi-bai   LIU Qing   MA Yi-de   QIAN Zhi-bai   LIU Qing   MA Yi-de   QIAN Zhi-bai
Abstract:
Keywords:image segmentation   minimum cross-entropy   PCNN   restrain and capture   threshold function
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《中国图象图形学报》浏览原始摘要信息
点击此处可从《中国图象图形学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号