图像分割的研究现状由上一小结就可知，图像分割是对图像最基本的处理。它拥有很大的价值，是图像处理中的热点，当然也有一定的难度。图像分割是图像分析识别和计算机视觉中至关重要的预处理过程，精确而准确的图像分析是以图像分割为基础的。随着数字图像处理的迅速发展，人们也对图像分割做了大量的、努力的、有效的研究，提出了很多能切实解决图像分割问题的方法。随着医学与科技的告诉发展，面对丰富又复杂的医学图像数据，一些先进的科学技术运用于医学中，如医学影像技术。图像分割在医学影像技术中占据十分重要的地位，也发挥了很大的作用，人们也因此得到了很多高质量且十分清晰的图像。40925
PCNN的国内外研究进展
（1）国外研究进展：神经元的电化学特性是从是从1952年开始进行研究的，国外的两位学者是这项研究的带头人。在之后的三十几年后，Charles 以及M.Gray等许多研究人员发现了神经激发相关振荡的现象[3]。这个现象是通过观察猫的视觉皮层的情况而总结出的。一年之后，Eckhorn及其他的研究人员继续进行观察探究，最后令世人高兴的是，他们研究出了同步发放脉冲的网络模型[4]。这个网络模型倾注了他们的心血，是他们努力研究的回报，这告诉我们只要有一颗努力探究的心，发现世界的奥秘将指日可待。经过不懈的努力，又有了研究成果，Eckhorn研究员研究得到了连接模型[2]。虽然有了这个模型，但人们不知道它是否正确，是否是合理存在的。后来，其他研究人员又观察猴子的大脑皮层，并对它进行了大量的研究与探讨，最后得出的结论与Eckhorn的研究非常一致[5]，这也就证明了它的合理性。之后，随着科学技术的发展，人们开始注意到PCNN的一些内在属性，并对它的特性进行了重要的研究与说明[6]。了解了PCNN的特性与初始模型之后，人们又发现这个模型还存在一些不足。针对这个问题，研究人员又对上述提到的模型进行了修改，最终就得到较为成功的脉冲耦合神经网络模型[7]。在PCNN的历史上的重要的一年就是1999年，在这一年，研究人员终于向世人介绍了这个PCNN-在IEEE的神经网络会刊上发行PCNN专刊[8]，让大家了解了它，这也使它步入了大多数人的视野。在二十一世纪初，U.Ekblad 和 J.M.Kinser两位研究人员共同合作，集中两个人的智慧，提出了交叉皮层模型（Intersecting Cortical Model，ICM）[9]，这个模型最大的优点就是弥补了初始模型的相关不足，如相关计算难度高，图像处理速度慢[10]等。论文网
    （2）国内研究进展：和国外相比，我们国内对于脉冲耦合神经网络的研究起步较晚。虽然起步晚，但也取得了很多的成就。国内有很多学者积极进行PCNN的研究，他们对这方面真正的充满热情，也付出了很多的努力，果然皇天不负有心人，他们得到了很多关于这方面的收获。在这些研究人员中，最出色的就是以马义德老师为代表的团队。他们做了很多研究，例如文献[11]、自适应脉冲耦合神经网络在图像处理中应用[12]、PCNN与传统神经网络在图像处理中的应用的研究[13]、一种基于脉冲耦合神经网络和图像熵的自动图像分割方法[14]。除了这个团队之外还有其他优秀的团队，如北京交通大学陈后金团队。这个团队也做了很多努力，进行了很多的研究，例如改进型脉冲耦合神经网络在图像处理中的动态行为分析[15]。并且还有其他优秀的团队也写了很多与之相关的论文，如其中的一篇论文，主要是关于一种基于改进型脉冲耦合神经网络的图像分割[16]。随着大量的研究已经有很多的图像分割方法，其中有人工神经网络分割法。用PCNN来研究图像分割的成果有很多，这里就不详细论述了。 PCNN图像分割的研究现状:http://www.youerw.com/yanjiu/lunwen_40791.html