基于最小交叉熵脉冲耦合神经网络的图像分割技术研究.docx[原创毕业论文]

摘要

ABSTRACT

1. 绪论 1

1.1研究背景和意义 1

1.2研究进展 2

1.3研究内容和论文结构 4

2. 图像分割 6

2.1图像分割的概述 6

2.2 PCNN基本模型 7

3. 基于最小交叉熵准则的PCNN图像分割 10

3.1最小交叉熵 10

3.2改进的简化PCNN模型 11

4. 基于最小交叉熵的PCNN图像分割实验及分析 13

4.1实验平台与分割对象 13

4.2实验步骤 14

4.3实验结果分析 15

4.4实验小结 20

5. 总结和展望 21

5.1本文工作总结 21

5.2未来工作展望 21

参考文献 22

致谢 24

摘　　要

脉冲耦合神经网络是第三代神经网络，能够胜任复杂的应用场景，却不需要任何学习和训练。它的本质是迭代算法，并具有脉冲调制和耦合链接的特性。本文针对其在图像分割领域的应用问题，对模型进行简化和优化，所做主要工作阐述如下：

本文模型输入部分进行了简化，主要表现在神经元通道的输入仅考虑图像像素点灰度值的影响，神经元通道的输入仅考虑邻域八个像素点所对应的神经元在前一时刻的输出作用。

因为模型存在需要大量的手动设置来确定模型参数的问题，本文采取最小交叉熵确定循环迭代次数，对目标图像进行分割处理，实现脉冲耦合神经网络模型中关键参数的自适应设值。

关键词：

脉冲耦合神经网络；图像分割；最小交叉熵；