<a href="http://www.joca.cn/EN/article/advancedSearchResult.do?searchSQL=(((Deng-Chao Feng[Author]) AND 1[Journal]) AND year[Order])" target="_blank">Deng-Chao Feng</a> <a href="http://www.joca.cn/EN/article/advancedSearchResult.do?searchSQL=(((Zhao-Xuan Yang[Author]) AND 1[Journal]) AND year[Order])" target="_blank">Zhao-Xuan Yang</a> <a href="http://www.joca.cn/EN/article/advancedSearchResult.do?searchSQL=(((Zhe Wang[Author]) AND 1[Journal]) AND year[Order])" target="_blank">Zhe Wang</a> <a href="http://www.joca.cn/EN/article/advancedSearchResult.do?searchSQL=(((Pereira Jose Miguel[Author]) AND 1[Journal]) AND year[Order])" target="_blank">Pereira Jose Miguel</a>
摘要: 针对不规则图像成分复杂、特征形状无法采用经典模型拟合等问题,提出了基于改进型脉冲耦合神经网络(PCNN)的自适应分割算法。该算法在原有PCNN模型基础上,对神经元反馈输入函数和动态阈值函数进行了修正,同时对神经元的输出采用多级输出模型,从而实现对不规则图像的分割。仿真实验表明,改进后的算法能够实现不规则图像的自适应分割,鲁棒性较好。