基于最大类间后验交叉熵的PCNN

• 作 者: 孙阳光 蔡超 李欣 丁明跃
• 机 构: 华中科技大学图像识别与人工智能研究所,武汉,430074华中科技大学生命科学与技术学院,武汉,430074华中科技大学图像识别与人工智能研究所,武汉,430074华中科技大学图像识别与人工智能研究所,
• 出 处: 中国第二十届电路与系统学术年会暨2007年港澳内地电子信息学术研讨会
• 发表日期: 2007年6期
• 关键词: 脉冲耦合神经网络 图像分割 交叉熵 后验概率

脉冲耦合神经网络(PCNN)是20世纪90年代形成和发展起来的一种可有效地用于图像分割的新型神经网络。然而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。本文对现有的PCNN模型进行了改进,即从原始图像与分割图像的目标与背景之间的差异性出发,提出了一种基于最大类间交叉熵准则的PCNN图像分割新方法。该方法能够自动确定循环迭代次数和自动选取最佳阈值。实验结果表明,该算法有很强的适应性。