脉冲耦合神经网络(Pulse Coupled Neural Network-PCNN)是根据哺乳动物的视觉皮层同步脉冲发放现象提出的。该模型具有对图像二维空间相近、灰度相似的象素进行分组的特点,并能减小图像局部灰度差值,弥补图像局部微小间断,是符合人类视觉特点的图像分割模型。首先,受生物神经细胞突触后抑制的离子机制启发,基于传统PCNN模型,本文提出了自下而上的点火方式。其次,传统PCNN模型进行图像分割时图像象素和神经元是一一对应的,这使得网络运行速度比较慢。为了解决这个问题,本文提出了基于双向搜索的脉冲耦合神经网络(Bidirectional search PCNN-BPCNN)。与传统PCNN不同,BPCNN模型更加符合生物神经网络工作机制。它具有兴奋型和抑制型两种阈值,可同时自上而下点火和自下而上点火。当BPCNN与最大熵结合时,可以同时双向寻找最佳阈值,这样可提高网络运行速度。通过灰度图像实验取得了较好的效果。最后,与灰度图像相比,彩色图像除提供亮度外,还有色调和饱和度,比灰度图像能提供更多的信息。在分割时,如何充分利用彩色图像提供的信息是研究的重点和难点。为了解决彩色图像分割的问题,本文在BPCNN的基础上,结合基于感受野的触发式脉冲耦合神经网络(Triggered PCNN basedon receptive field-RTPCNN),提出了基于BPCNN和RTPCNN的双脉冲耦合神经网络(Double PCNN-DPCNN)。它融合了两个脉冲耦合神经网络的优点,不但处理的速度快,而且分割图像效果较好。通过理论分析和实验验证,表明该方法对彩色图像分割有很好的实用性。