基于改进SPCNN的双阈值自适应分割

为解决脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)在图像分割中存在噪声适应性差、分割效率低等问题,提出一种基于SPCNN的双阈值自适应分割方法。首先通过整合拉普拉斯算子和高斯函数设计反馈输入域的连接系数矩阵,使图像在分割过程中在保护边缘细节的同时也具有抗噪性;然后利用最大类间方差法构造全新的双阈值点火判别模型,实现对目标像素的耦合点火。实验表明,该方法在实现参数自适应性的同时提高了分割效率,且具有良好的抗噪性。