一、引言
近年来，基于脉冲耦合神经网络(PCNN)已广泛应用于图像处理领域的研究，如图像平滑、分割和边缘检测，并显示出其优势。PCNN 由Echorn提出的神经元模型是人工神经元模型，直接观察猫的视觉皮层神经细胞，模拟猫的视觉神经细胞活动。正因为PCNN模型算法直接源于哺乳动物的视觉特征研究，非常适合图像分割、图像平滑、降噪等应用。
二、描述算法原理
详细描述该算法，请参考以下内容文献[1] 
二维图像矩阵M×N可以理解 M×N个PCNN神经元模型，每个像素的灰度值对应于每个神经元的输入Sij。当内部连接矩阵时M、W当相邻区域中有类似灰度值的像素时，一个像素刺激产生的脉动输出会刺激附近其他类似灰度像素对应的神经元，产生脉动序列输出 Y[n]。显然序列Y[n]包括图像区域信息、边缘、纹理特征等信息。这样输出序列 Y[n]构成的二值图像是 PCNN输出分割图像。这就是 PCNN 图像分割的简单原理。
三、算法模拟实验
本文对lena基于脉冲耦合神经网络的图像分割结果如图1所示：
四、参考文献
[1] 马义德, 戴若兰, 李廉. 基于脉冲耦合神经网络和图像熵的自动图像分割方法 [J]. 通信学报, 2002, (01): 46-51.
五、资源获取
关于上述资源(matlab获取程序，请私信博主；可在相关领域提供技术支持。