一种基于交叉熵的改进型PCNN图像自动分割新方法 | |
刘勍; 马义德; 钱志柏 | |
刊名 | 中国图象图形学报
![]() |
2005-05-25 | |
期号 | 5页码:579-584 |
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 |
中文摘要 | 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。 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lzu.edu.cn/handle/262010/127319] ![]() |
专题 | 信息科学与工程学院_期刊论文 |
推荐引用方式 GB/T 7714 | 刘勍,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(5):579-584. |
APA | 刘勍,马义德,&钱志柏.(2005).一种基于交叉熵的改进型PCNN图像自动分割新方法.中国图象图形学报(5),579-584. |
MLA | 刘勍,et al."一种基于交叉熵的改进型PCNN图像自动分割新方法".中国图象图形学报 .5(2005):579-584. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论