在20世纪90年代脉冲耦合神经网络(Pulse Coupled Neural Network，PCNN)是一种新型神经网络的技术，研究具有一定的应用价值。本文研究了PCNN的原理模型，针对特定的研究对象，对传统PCNN模型进行改进，并将其用于解决图像分割的技术中遇到的难题。　　 图像分割技术是图像处理中的关键步骤，也是一种基于计算机视觉原理的技术。其是把图像分割成具有不同特性的区域并提取出所需要目标的方法和过程。例如，将航空遥感照片分割后得到其中的森林、城市、道路和农田等。　　 OTSU算法是利用最大类间方差准则对图像像素进行阈值分割。提出了基于OTSU阈值的PCNN(OTSU Threshold PCNN, OTSU-PCNN)图像分割模型，该模型简化了传统的PCNN图象处理模型，为了减少参数选择算法模型改进了传统PCNN指数衰减的阈值门限。实验结果表明，该方法因不需循环确定PCNN阈值，所以比传统的PCNN分割方法在处理时间上更有效率。　　 本文主要研究了脉冲耦合神经网络在图像处理中的应用。首先在图像分割技术应用中，通过对OTSU阈值分割及PCNN工作机理的分析，对原始模型进行了改进，并提出了一种基于OTSU阈值的PCNN图像分割方法，避免了复杂的PCNN的阈值选择。论文将提出的模型用于部分典型图像的分割，将其分割结果与典型的分割方法和传统的基于PCNN的分割方法进行分析比较，并对结果进行分析。实验结果表明本文提出的OTSU-PCNN模型算法具有良好的分割特性。