摘要
提出了一种改进的脉冲耦合神经网络(Receptive field-pulse coupled neural net-works,RF-PCNN)模型。通过感受野模型对连接矩阵的优化,使脉冲耦合神经网络(Pulsecoupled neural networks,PCNN)模型具有了方向性和尺度性,能够更好地模拟视觉细胞图像分割的功能。试验结果表明:RF-PCNN模型对自然环境中车辆图像分割的有效性,分割结果具有较高的边界检出率,较好地解决了图像分割中车牌区域存在的欠分割和过分割问题。
An improved Pulse Coupled Neural Network（PCNN） model was proposed,where the linking matrix was optimized with Receptive Field（RF） model.The PCNN model possesses both directionality and scales,and can simulate the segmentation function of visual cells more efficiently.Experimental results demonstrate the effectiveness of the RF-PCNN model in segmenting vehicle images and segmentation results have high boundary detection rate.The problems of under-segmentation and over-segmentation in vehicle plate region are well solved.
出处
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2013年第3期758-763,共6页
Journal of Jilin University:Engineering and Technology Edition
基金
高等学校博士学科点专项科研基金项目(20110009110001)
中央高校基本科研业务费专项项目(2011JBM003)
国家自然科学基金项目(61271305
60972093
61201363)
关键词
信息处理技术
图像分割
脉冲耦合神经网络
感受野
information processing
image segmentation
pulse coupled neural networks（PCNN）
receptive field
