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 | |
马义德; 戴若兰; 李廉 | |
刊名 | 通信学报
![]() |
2002-01-25 | |
期号 | 1页码:46-51 |
关键词 | 脉冲耦合神经网络 图像分割 熵 统计特性 |
中文摘要 | 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。 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lzu.edu.cn/handle/262010/155295] ![]() |
专题 | 生命科学学院_期刊论文 |
推荐引用方式 GB/T 7714 | 马义德,戴若兰,李廉. 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[J]. 通信学报,2002(1):46-51. |
APA | 马义德,戴若兰,&李廉.(2002).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.通信学报(1),46-51. |
MLA | 马义德,et al."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".通信学报 .1(2002):46-51. |
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