东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

基于改进型脉冲耦合神经网络的空间X射线星图分割

ISSN号：1008-5564
期刊名称：《西安文理学院学报：自然科学版》
时间：0
分类：TN78[电子电信—电路与系统]
作者机构：[1]威海市建筑设计院有限公司,山东威海264200, [2]西安电子科技大学电子工程学院,陕西西安710071
相关基金：基金项目：国家自然科学基金资助项目（60472085）,陕西省自然科学基金资助项目（2006F04）.

关键词：空间X射线星图, X射线脉冲星, 脉冲耦合神经网络, 图像分割, x-ray sky, x-ray pulsars, pulse coupled neural networks, image segmentation

中文摘要：

为进行空间X射线星图分割及在X射线背景噪声中提取目标源，提出了改进的脉冲耦合神经网络图像分割算法。改进算法将图像分割成小区域，不同区域中设置不同的参数；将内部行为的调制参数设计成邻域像素灰度值分布的负耦合函数，强制降低强x射线目标源附近的强x射线背景噪声的点火频率，以提取x射线辐射点目标源。分别利用改进型PCNN模型、普通PCNN模型进行了空间X射线星图分割实验，结果表明改进型PCNN模型具有更优的分割效果。

英文摘要：

For the purse of x-ray sky image segmentation, an algorithm based on improved pulsed coupled neural networks was presented. Firstly, the sky image was partitioned into separate sections, and different parameters were set in different sections. Then, the modulation parameter of inner action was designed as negative-coupling of adjacent pixel power, which compelled to depress the firing frequency of x-ray noise adjacent to x-ray object. The experiments show that improved PCNN segmentation algorithm is more effective than the former PCNN.

同期刊论文项目