科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了实现脉冲耦合神经网络(PCNN)在图像分割过程中模型参数与迭代次数的少量化,提出了一种改进的PCNN快速图像分割算法。算法对PCNN模型进行了简化,将传统PCNN模型中恒定的连接系数与神经元所在像素点的像素值联系起来,去除了PCNN分割图像过程中的人工设置参数过程,并根据图像灰度统计特性,将动态阈值转变为恒定阈值,仅一次迭代便可完成图像分割。实验结果表明:算法的分割结果主观视觉感受良好,时间复杂度低,优于对比算法。
- 单位
为了实现脉冲耦合神经网络(PCNN)在图像分割过程中模型参数与迭代次数的少量化,提出了一种改进的PCNN快速图像分割算法。算法对PCNN模型进行了简化,将传统PCNN模型中恒定的连接系数与神经元所在像素点的像素值联系起来,去除了PCNN分割图像过程中的人工设置参数过程,并根据图像灰度统计特性,将动态阈值转变为恒定阈值,仅一次迭代便可完成图像分割。实验结果表明:算法的分割结果主观视觉感受良好,时间复杂度低,优于对比算法。
