摘要：针对传统自组织竞争学习方法的不足 ,将模糊竞争学习引入竞争 Hopfield网络中 ,由此设计了一个用于图像分割的模糊竞争 Hopfield网络 ,通过将图像空间映射到灰度特征空间 ,实现灰度特征集的模糊聚类 ,进而实现图像分割 .实验结果表明 :对于二值分割 ,与 Ostu方法相比 ,此算法在分割效果和对噪声的自适应能力方面具有明显的优点 .对于多类分割 ,此算法比目前的 FCM( fuzzy C mean)

摘要：在张星明等人所做工作的基础上,进一步从李雅普诺夫稳定性原理出发,改进性地设计了具有全局渐进稳定性和全局指数稳定性的模糊竞争Hopfield神经网络(简称GS-FCHNN),用GS-FCHNN进行彩色图像分割,从彩色图像在CIELab空间的色彩分布图获得具有明显色差的色彩值,取该值作为模糊核,从而为神经元建立基于最大隶属度原则的状态函数,实现彩色图像的模糊聚类,达到图像目标分割的目的。实验结果表明:较FCHNN算法,运算时间有明显加快,分割效果不受色彩分布的复杂度的影响,对高斯噪声的自适应能力得到进一步加强。