Image segmentation with PCNN model and maximum of variance ratio
辛国江, 中南大学信息科学与工程学院,长沙,410083, 李建锋, 陈再良, 陈再良, 蔡美玲, 湖南广播电视大学信息技术系,长沙,410004, 吉首大学数学与计算机科学学院，湖南省吉首,416000 · Journal of Image and Graphics · 2011
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。