一种基于脉冲耦合神经网络的植物胚性细胞图像分割
摘要
植物胚性细胞定量分析研究需要首先将其切片图像分割处理, 然后进行大分子量化分析. 但植物细胞切片图像上表现出来的植物细胞特有的复杂属性, 使得一般图像分割分析方法很难奏效. 20世纪90年代中期发展起来的脉冲耦合神经网络PCNN直接来自于动物视觉特性研究, 应当适合这类植物细胞图像的分割处理. 但因目前理论很难解释PCNN数学模型参数与图像分割效果之间的关系, 一般较好图像分割效果的获得需多次实验选择这些模型参数. 同时在模型参数选定的情况下, 其循环迭代次数直接关系到分割结果的好坏, 而分割好坏的判定需人眼观察分析, 这样便引入了人为干预. 为此提出一种建立在分割图像熵值最大原则上的PCNN植物细胞图像自动分割新算法.
引用本文（GB/T 7714）
义德 马, 若兰 戴, 承虎 吴, 等. 一种基于脉冲耦合神经网络的植物胚性细胞图像分割[J]. Chinese Science Bulletin (Chinese Version), 2001.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。