资源描述：
《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》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、Seediscussions,stats,andauthorprofilesforthispublicationat:https://www.researchgate.net/publication/275025583Automatedimagesegmentationusingpulsecoupledneuralnetworksandimage’sentropArticle·January2002CITATIONSREADS223023authors,including:YideMaLanzhouUniversity245PUBLICATIONS1,952CITATI
2、ONSSEEPROFILESomeoftheauthorsofthispublicationarealsoworkingontheserelatedprojects:ComputerVisionViewprojectmodernelectroniccircrt&chaostheoryViewprojectAllcontentfollowingthispagewasuploadedbyYideMaon16April2015.Theuserhasrequestedenhancementofthedownloadedfile.2002年1月通信学报Vol.23No.1第23卷
3、第1期JOURNALOFCHINAINSTTTUTEOFCOMMUNICATIONSJanuary2002学术论文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1,212马义德戴若兰李廉（1.兰州大学干旱生态国家重点实验室，甘肃兰州730000；2.兰州大学信息科学与工程学院，甘肃兰州730000）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
4、。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。关键词：脉冲耦合神经网络；图像分割；熵；统计特性中图分类号：O236文献标识码：A文章编号：1000-436X（2002）01-0046-06Automatedimagesegmentationusingpulsecoupledneuralnetworksandimage’sentropy1,212MAYi-
5、de,DAIRuo-lan,LILian(1.TheStateKeyLaboratoryofAridAgroecology,LanzhouUniversity,Lanzhou730000,China;2.SchoolofInformationScience&Engineering,LanzhouUniversity,Lanzhou730000,China)Abstract:Pulse-coupledneuralnetwork(PCNN)basedonEckhorn’smodelofthecatvisualcortexfindmanyapplicationsinimage
6、processing,includingsegmentation,edgeextractionetal.Asallknown,theperformanceoftheimagesegmentationdependsnotonlydirectlyontheadjustmentofPCNNparametersandthestatisticalpropertiesofimagebutalsoonthecycliciterationtimesNofPCNN.Iftheparametershavebeenproperlyset,itturnsouttobeessentialtose
7、lectasuitablecriteriontodetermineN.WhileNisusuallydeterminedbymeansofvisualjudgementwhichdecreasestheefficient收稿日期:2001-03-02；修订日期:2001-10-11基金项目:国家自然科学基金资助项目（39770375）；甘肃省自然科学基金资助项目（ZS001-A25-008-Z）作者简介:马义德(1963–)，男，甘肃临夏人，兰州大学副教授，博士，主要研究方向为生物信息数字图像处理技术、DSP与信号实时编码技术；戴若兰(1
