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.PDFVIP

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.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
See discussions, stats, and author profiles for this publication at: /publication/275025583 Automated image segmentation using pulse cou pled neural networks and image’s entrop Article · January 2002 CITATIONS READS 22 302 3 authors, including: Yide Ma Lanzhou University 245 PUBLICATIONS    1,952 CITATIONS    SEE PROFILE Some of the authors of this publication are also working on these related projects: Computer Vision View project modern electronic circrt chaos theory View project All content following this page was uploaded by Yide Ma on 16 April 2015. The user has requested enhancement of the downloaded file. 2002 年1 月 通 信 学 报 Vol.23 No. 1 第23 卷 第1 期 JOURNAL OF CHINA INSTTTUTE OF COMMUNICATIONS January 2002 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 1,2 1 2 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。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:O 236 文献标识码:A 文章编号:1000-436X (2002 )01-0046-06 Automated image segmentation using pulse coupled neural networks and image’s entropy 1,2 1 2 MA Yi-de , DAI R

文档评论(0)

xiaowei110 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档