一种基于脉冲耦合神经网络的植物胚性细胞图像分割  

作　　者：马义德[1] 戴若兰[1] 李廉[2] 吴承虎[2] 

机构地区：[1]兰州大学干旱生态国家重点实验室,兰州730000 [2]兰州大学信息科学与工程学院,兰州730000

出　　处：《科学通报》2001年第21期1781-1786,共6页Chinese Science Bulletin

基　　金：本工作为国家自然科学基金(批准号:39770375);甘肃省自然科学基金(批准号:ZS001-A25-008-Z)资助项目

摘　　要：植物胚性细胞定量分析研究需要首先将其切片图像分割处理,然后进行大分子量化分析.但植物细胞切片图像上表现出来的植物细胞特有的复杂属性,使得一般图像分割分析方法很难奏效.20世纪90年代中期发展起来的脉冲耦合神经网络PCNN直接来自于动物视觉特性研究,应当适合这类植物细胞图像的分割处理.但因目前理论很难解释PCNN数学模型参数与图像分割效果之间的关系,一般较好图像分割效果的获得需多次实验选择这些模型参数.同时在模型参数选定的情况下,其循环迭代次数直接关系到分割结果的好坏,而分割好坏的判定需人眼观察分析,这样便引入了人为干预.为此提出一种建立在分割图像熵值最大原则上的PCNN植物细胞图像自动分割新算法.

关 键 词：植物胚性细胞 脉冲耦合神经网络 熵 图像分割 大分子量化分析 图像边缘检测 区域分割 

分 类 号：Q942[生物学—植物学]