脉冲耦合神经网络(PCNN)适用于灰度图像处理,不能直接处理彩色图像。并且传统PCNN是单通道模型,只能接收一个外界输入,在此基础上,对其进行扩展,改进了一种能够同时接收多幅图像的多通道脉冲耦合神经网络(M-PCNN)模型,结合最大信息熵准则,将其应用于彩色图像分割。主要研究内容有:1、研究PCNN工作原理、基本应用以及分割效果的评判准则。通过实验结果对比分析,选择最大信息熵准则作为图像分割效果的客观评价标准。2、分析了RGB和HSV颜色空间模型,结合颜色空间的优缺点以及具体分割效果,选择RGB颜色空间作为彩色图像分割的颜色模型。3、研究M-PCNN模型,将传统PCNN扩展成多输入的多通道PCNN模型,具体过程是将各通道的内部活动项进行加权耦合得到整体的内部活动项,RGB三分量的像素平均值的比值作为加权系数,设置指数增长的动态阈值,结合同步脉冲发放特性和最大信息熵准则实现彩色图像分割。实验结果表明,基于M-PCNN的彩色图像分割方法,运算时间减少了,分割的图像细节明显。4、改进了一种三维脉冲耦合神经网络(3D-PCNN)。通过将二维连接系数矩阵扩展成三维矩阵,使得PCNN从二维平面扩展到三维立体空间。取26邻域立体系数矩阵,与颜色空间信息进行卷积运算,同时结合最大信息熵准则,利用神经元的自动波特性进行彩色图像分割,能够将图像的不同区域以不同颜色分层次显示。