基于灰色关联的PCNN图像自动分割

资 源 简 介

基于灰色关联的PCNN图像自动分割

详 情 说 明

脉冲耦合神经网络（PCNN）是一种受生物视觉皮层启发的神经网络模型，在图像处理领域展现出独特优势。不同于传统神经网络需要大量训练样本，PCNN直接利用图像本身的脉冲同步特性实现分割，尤其适合医学、遥感等专业场景。

传统PCNN的痛点在于参数依赖人工设定，如连接系数、衰减常数等。本文提出的改进方案通过两处创新实现自动化：一是基于局部灰度关联和欧氏距离构建动态连接权矩阵，使神经元能自适应图像特征；二是采用最小方差准则自动计算最佳迭代周期，避免人工试错。这种融合灰色关联理论的方法，既保留了PCNN对复杂纹理的捕捉能力，又解决了参数敏感性问题。

实验证明，该算法在保留边缘细节的同时，对噪声干扰表现出较强鲁棒性。未来可探索与深度学习结合的混合模型，或将灰度关联度量扩展到多光谱图像处理中。