一种基于脉冲耦合神经网络的植物胚性细胞图像分割

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.