• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2010 Second International Conference on Multimedia and Information Technology (MMIT 2010) >RS Image PCNN Automatical Segmentation Based on Information Entropy
【24h】

RS Image PCNN Automatical Segmentation Based on Information Entropy

机译：基于信息熵的RS图像PCNN自动分割

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Pulse Coupled Neural Networks has the essential differences with the traditional artificial neural network in simulating biological visual, so PCNN is widely used in image processing fields. In PCNN model, In image processing, we often use the information entropy as tools to evaluate the effect of image processing, namely the greater the value of information entropy the better the image. The cycle number under the given parameters influences directly the segmentation result. Determining the loop-interaction cycle number at the best segmentation times is a difficult problem. This paper puts forward a PCNN image segmentation algorithm based on the maximum entropy principle. The algorithm determines the cycle number with the maximum entropy in order to realizing the best image segmentation automatically based on regions.
机译：脉冲耦合神经网络在模拟生物视觉方面与传统的人工神经网络有着本质的区别，因此PCNN被广泛应用于图像处理领域。在PCNN模型中，在图像处理中，我们经常使用信息熵作为评估图像处理效果的工具，即信息熵的值越大，图像越好。给定参数下的循环次数直接影响分割结果。确定最佳分段时间下的循环交互循环数是一个难题。提出了基于最大熵原理的PCNN图像分割算法。该算法确定具有最大熵的循环数，以便基于区域自动实现最佳图像分割。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号