文献

J-GLOBAL ID：201102255197698991   整理番号：11A1283045

相互情報量に基づく修正パルス結合ニューラルネットワークを用いたマルチ閾値イメージセグメンテーション

Multi-threshold Image Segmentation Using Improved Pulse Coupled Neural Networks Based on Mutual Information

著者 (4件)： Liu Qing (School of Electronic Engineering, Xidian Univ., Xi’an) ,  Xu Luping (School of Electronic Engineering, Xidian Univ., Xi’an) ,  Ma Yide (School of Information Sci. & Engineering, Lanzhou Univ., Lanzhou) ,  Su Zhe (School of Electronic Engineering, Xidian Univ., Xi’an)
資料名： Guangzi Xuebao  (Guangzi Xuebao)
巻： 39  号： 5  ページ： 923-928  発行年： 2010年 
JST資料番号： W1500A  ISSN： 1004-4213  CODEN： GUXUED  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： マルチ閾値イメージセグメンテーションを自動的に処理するために,従来型パルス結合ニューラルネットワークモデルを修正した。相互情報量の最大化に基づく修正PCNN利用のマルチ閾値画像セグメンテーションの新しいアルゴリズムをオリジナル画像とセグメント画像で検討した。相互情報量の差分と呼ばれる画像のクラスタ数を決定するために,相互情報量最大の最適化物体と新しい測定判定基準を用いた。理論解析とシミュレーションから,最適周期反復数とグレイスケールクラスタの最適数を自動的に決定できることが分かった。この特性を分割して,画像端,テクスチャ,細部を保持する好ましい性能を示した。異なるイメージセグメンテーションにも適応性があり,高精度を示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *ニューラルネットワーク ,  *セグメンテーション ,  *画像処理 ,  シミュレーション ,  グレースケール ,  アルゴリズム ,  相互情報量 ,  判定基準 ,  クラスタ ,  パルス ,  閾値 ,  神経回路網
準シソーラス用語： イメージセグメンテーション ,  ニューラルネットワークモデル ,  画像セグメンテーション ,  理論解析

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 相互情報量 ,  パルス ,  ニューラルネットワーク ,  マルチ ,  閾値 ,  イメージセグメンテーション