结合最大方差比准则和PCNN模型的图像分割  

Image segmentation with PCNN model and maximum of variance ratio

作　　者：辛国江[1,2] 邹北骥[1] 李建锋[1,3] 陈再良[1] 蔡美玲[1] 

机构地区：[1]中南大学信息科学与工程学院,长沙410083 [2]湖南广播电视大学信息技术系,长沙410004 [3]吉首大学数学与计算机科学学院,湖南省吉首416000

出　　处：《中国图象图形学报》2011年第7期1310-1316,共7页Journal of Image and Graphics

基　　金：国家自然科学基金项目(60970098,60803024);国家自然科学基金重大研究计划项目(90715043);教育部高等学校博士点基金项目(20090162110055);新教师基金项目(200805331107);浙江大学计算机辅助设计与图形学国家重点实验室开放基金项目(A1011,A0911);湖南省科学技术厅科技计划项目(2010FJ4062);湖南省自然科学联合基金项目(10JJ6088);中央高校基本科研业务费专项资金资助项目(201021200062)

摘　　要：脉冲耦合神经网络(PCNN)模型在图像分割方面有着很好的应用。在各项参数确定的情况下,其分割结果的好坏取决于循环迭代次数的多少,而PCNN模型自身无法实现迭代次数的自动判定。为此提出一种结合最大方差比准则的PCNN迭代次数自动判定算法,用于实现图像的自动分割。算法利用最大方差比准则找到图像的最优分割界限,确定PCNN的迭代次数,获得最优图像分割结果,然后利用最大香农熵准则验证分割结果。实验表明:提出的算法实现了PCNN迭代次数的自动判定,提高了PCNN的迭代速度,运行效率优于基于2D-OTSU和基于交叉熵的自动分割算法,图像分割效果良好。The Pulse Coupled Neural Network （PCNN） model is very suitable for image segmentation. With given parameters, the results of segmentation are determined only by the times of iteration. However, the PCNN model itself cannot automatically discover the optimal iteration times. Therefore, an algorithm based on the maximization of variance ratio criteria is proposed to solve this problem. The algorithm can automatically discover the best iteration times by applying the maximization of variance ratio criteria, and get the best segmentation results. Eventually, the Shannon entropy rule is used to check the segmentation results. The experimental results show that the algorithm can automatically discover the optimal iteration times, the segmentation results are satisfactory, and it improves the speed of PCNN iteration, and it is also more efficient than the automatic segmentation algorithm based 2D-OTSU and cross-entropy.

关 键 词：脉冲耦合神经网络 最大方差比 自动判定 迭代次数 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]