一种基于交叉熵的改进型PCNN图像自动分割新方法

刘鱼勍; 马义德; 钱志柏

发布时间：
摘要点击次数： 3431
全文下载次数： 365
DOI: 10.11834/jig.200505116
2005 | Volume 10 | Number 5

一种基于交叉熵的改进型PCNN图像自动分割新方法

刘鱼勍^1,2, 马义德², 钱志柏²(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)

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

Automated Image Segmentation Using Improved PCNN Model Based on Cross-entropy

()

Abstract

Keywords

image segmentation minimum cross-entropy PCNN restrain and capture threshold function

在线采编平台

论文出版

年度会议

下载中心

年度信息