该论文的第一项工作是综合考虑全局阈值和动态阈值的优点,结合FCM自动聚类的功能,分别得到全局阈值和动态阈值,实现了对阂值矩阵的构造,进而完成图像分割.由Eckhorn模型演变而来的脉冲耦合神经网络(PCNN),是通过模拟视觉皮层神经细胞的活动而建立的神经网络模型,是对真实神经元的简化与近似.其神经元的通信行为完全类似于区域生长的过程,所以基于PCNN的分割算法应该属于区域分割的范畴.但是传统的PCNN模型并没有彻底体现PCNN的基于区域的特性.Robert D.Stewart等人强调了时刻间的独立性原则,他们的改进模型是当今唯一体现PCNN基于区域特性的网络模型,但他们的改进模型也有明显的不足:具体地,区域间的独立使得边界问题显得十分突出,为此如何使征募的终止和准确的边界完全对应是该论文第二项工作重点讨论的问题之一.影响正确征募边界的因素有很多,忽略一些次要因素可以得到很有意义的简单关系.耦合机制是PCNN方法的核心,该文进一步挖掘耦合机制的作用,使之可以对边界或者边缘神经元的链接输入进行弥补.Robert D.Stewart等人的模型算法仍旧需要经验设定四个参数.该文讨论了其中两个参数的作用,通过实验指出省略这些参数的方案是可行的.该文还得到了另外两个参数的简单约束关系,最终给出了只需要设定一个参数的方案.该论文第二项工作的另一项成果是将改进的区域分割算法应用于图像分割编码技术,并对实验结果进行了详细讨论和分析研究.