图像分割是图像处理领域中的基本技术之一,它是指利用图像的某些特性,如灰度、颜色、纹理、形状等,将图像拆分为具有相同像素属性的若干独立对象,本质上是基于像素属性的聚类过程。人们依据图像的灰度、颜色、纹理、形状等特征,并使用各类数学思想和工具,运用各种不同的模型分割灰度图像和彩色图像,进而形成复杂缠结的图像分割方法。各类方法彼此交织,互相影响,互相促进,构成复杂的系统。本文主要讨论了基于脉冲耦合神经网络(PCNN)的图像分割算法。首先,本文从图像分割的基本理论出发,简述了图像分割技术的基本概念和研究背景,阐述了国内外图像分割的应用和研究现状。其次,基于图像分割原理,在综合分析PCNN的基础上,提出了一种彩色图像分割方法和基于PCNN的多值分割算法研究。基于PCNN的彩色图像分割方法:首先利用PCNN点火捕获的相似性集群特性进行图像分割,然后利用最大香农熵准则、最大灰度熵准则、最大方差比准则进行分割,将PCNN用于RGB颜色空间中的各个分量,最后利用最大香农熵对迭代产生的二值图像进行筛选,叠加筛选后的二值图像以获得某个灰度级的灰度图像。基于PCNN的多值分割算法研究:解决了二值图像分割后不能细化分类高亮度区域的问题,改进了传统模型中的阈值以及脉冲,避免了传统模型易过分割甚至错误分割的现象。再次,将基于PCNN的图像分割算法应用于眼前节图像分割中。最后,利用Matlab对本文算法进行实验仿真,并对实验结果进行分析,结果表明本文算法的分割结果无论从主观评价指标还是客观评价指标都优于其它分割算法。