文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于K均值聚类的图割医学图像分割算法
侵权投诉

基于K均值聚类的图割医学图像分割算法

图割是一种同时基于区域和边界的交互式图像分割算法。传统的基于高斯混合模型的图割具有时间慢和描述组织中灰度分布不准确的缺点。为此,提出一种基于K均值聚类的图割算法。通过用改进的图割来分割仿体的和真实的脑部核磁共振图像,显示出该方法的有效性。该方法不但能提高图割在分割时的速度,在有噪音和灰度不均匀的图像上也能在较短的时间内得到更准确且鲁棒的结果。

24 3

计

算

机

工

程

2 1年 3月 5日 01

始图像在式() 1中当 2 2时得到的。而且,实验证明,本文提= 出的基于 KMC的 ga h Ct rp us方法在分割白质时的参数在

提下,降低算法对参数的敏感度,进一步提高算法在临床上 的实用性。

0 8之问时都能取得比较好的结果;在分离灰质时参数在 - 04 - 0之间都能取得比较好的结果。基于 G而 MM的 gahc t rp us 算法在参数在 0 2 0之间 F的结果都不理想,因此,本文 -0提出的分割算法体现出了非常高的鲁棒性。本文还对图 1 C () 做了类似的实验,由于篇幅的限制,实验结果略。但结果表明,即使在有噪音和图像中灰度不均匀的情况下分割灰质和白质也能得到理想的分割结果。 从分割时间上看,分割上面所述 27 1 1 1× 8的图像,用本文提出的基于 KMC的 gahct分割方法无论是分割上述图 rp us像巾的自质还是灰质,所需要的平均时间都比基于 G MM的 gahct所需要的时间要少得多。体结果如下: rp us具根据实验, 用基于 K MC和基于 GMM的 gahc t分割算法的平均分割 rp us 时间如表 1示。所 表 1分割灰质、白质和肿瘤所用时间对比 S [】 S h re, o b s 1 c err B F r e

参考文献 Gab y C, ta. sr u e o a MR ra e 1 Di i td L c l tb F M o es o T su a d tu tr Bri S g n ain[] E dl f r is e n Srcu e an e me tt J.1 EE o T a a t n nM e ia I gn, 0 9 2 () 2 8 1 5. rnsci so dc l ma ig 2 0, 88:1 7—29 o

蒋世忠,易法令,汤浪平, .于图割的 MR等基 I脑部图像肿瘤

提取方法lJ计算机工程, 0 0 3 (

)2 72 9 l J 2 1, 67: 1-1 . 【] Kol g rv V Za i R. W h t E e g Fu cin Ca b 3 mo o o bh a n ry n to s n e M ii z d n mie Vi Gr p Cu s[] EEE a a t n o P t r a ah t?J.1 Trnsci s n at n o e An lssa dM a hn nel e c, 0 4, 6 2: 4—5 . ay i n c ieItli n e 2 0 2 ( ) 1 7 1 9 g

[1 P n V k lrO P rmee e cin frG a hCu a e n 4 e gB, e s aa t S l t r p t sd o e r e o o B I g S g na o[/ r c o Br i Ma h n Vi o ma e e me tt nC] P o . f i/ is th c ie sn i Co frn e Le d,UK: s . 2 0 n ee c . e s I n】 0 8.,

【] R te C 5 oh r,B1 e a A,Komo o o V k l g r v .G a c t一 I t a t e rbu一 ne c v r i F rg o n xrcin Us gI rtdGrp t J . r n a t n o e r u dE t t i t ae a hCus] T a sci s a o n e[ o o a his 2 0 2 ( ) 3 931 nGr p c, 0 4, 3 3: 0— 4.

1] B y o - ol M .n ea t eGrp usfr t l o n ay 6 o k vY J l Itrci a h C t o i u d r y v Op ma B

& Rein S g naino jcsi D I gsC/ rc o go e mett fObet n N— ma e[]Po . f o / I t r ai na ne n to l Con e e c n Co f r n e o mp t rVii n. n o v r Ca a a u e so Va c u e, n d:

f. . 2 01 s n] 0 .,

5结束语 本文介绍了基于 K均值聚类的 ga hct方法,通过对 rp us

【] M a Q e n J o to s f rC a s c t n a d An l s f 7 c u e .S me Meh d lsi a o n ayi o o i f i s 4 M ut a i e Ob ev t n[] P2 c o te 35h Bek ly lv r

t i a sr ai sC/ r . f h o/ o t re e

脑部核磁共振图像的分割实验表明,本文算法不仅使图像分割具有更快的速度,而且在分割有噪音和灰度不均匀的图像 时也能保持良好的分割结果。

S mp su o a h m a ia t t t s a d Pr b b l y y o i m n M t e tc lS a i i n o a i t .Be k l y sc i r ee,

USA: i e st fCa io n aP e s 1 6 . Un v r i o l r i r s, 7 y f 9

[1 Gre s a R f God eg r . n t ie n sinMi tr 8 e n p nH, u A, lb r e Co s a dGa s xue J rn a M o e F a wo k o r Au o d l r me r f t ma i S gme t t n f M R Br i t c e n ai o o an

虽然本文提出的分割算法具有较强的鲁棒性,但有些图像还需要调节式() 1中的参数才能得到理想的分割结果。因此这也是今后的工作重点,即在保持分割速度和准确性的前 …………………………………………………

I g s] I E rn a t n n M e ia I gn,2 0, 5 9: ma e[ . E E T a s ci so dc l ma ig 0 6 2 () J o 1 3 2 5 2 314 .

编辑 …………………………………

索书志 …~~

(上接第 2 1 3页)

■■■ () a初始轮廓 ()献【】 b文 2模型分割效果 (本文模型分割效果 c )

Li Ch n n u mig,Ka o C Y Goe J h C,e 1 mpii r o n ta.I l t c Acie tv

C no r r e y L c l Biay F u n n ry C/ r c f o tu s D i n b o a v n r ii g E eg[] P o o / I EEE Co f r n e n Co p t r n e e c o m u e Vii n so Pa tr Re o n to t n e c g ii n P s a a y US I i c t wa, A: EEE Co u e c e y 2 0 mp t r So i t . 0 7:17—. La k o S,Ta n n a m A. Lo a i i g ntn n e bu c l n Re i n ba e Ac i e z go

— s d t v

图 3本文模型与文献[模型分割效果比较 2】

C no r[ .E ET a scin nI g r c sig 2 0, 7 1) o tu s] I E r n a t s ma eP o e s, 0 8 l ( 1 J o o n 2 2 0 9. 0 92 3 Ch n T F e g u S.NiK a Es do l Y Hi t g a so r m s d Se me t t n Ba e g nai o

图 4给出 2种窗函数的分割效果的比较,其中 R I个=1像素。从图 4b中可看出高斯型窗函数的分割效果更精确。 ()

Us g Wa srti it c s] P o .o nee c n S a i ses n D s n e[/ rc f Co frn e o c l n e a C/ e S ae ad p c n Va i t n l ra i a M eho s i Co o t d n mp t Vii n. Be l, ue so ri n Ge ma S rn e - e lg, 0 8: 9— 0 r y: p i g r V ra 2 0 6 7 7 8

() a圆盘形窗函数分割效果

■■ () b高斯型窗函数分割效果

周小舟,张加万,孙济洲.基于互信息和 C a—ee hnV s模型的图像 分割方法… .计算机工程, 0 7 3 (2: 2—2 . 2 0, 32 )2 02 2

方

伟,陈会勇,陈宗海.非参数二维熵的主动轮廓模型[1 J.模

式识别与人工智能,0 5 1()7 77 2 2 0,86: 1—2 . C a V s .A t e Co tu s Wi o tE g s] E E hn T F ee L ci no r v t u d e[ .I E h J T a scin nI g r c sig 2 0, O 2: 6—7 . r at s ma eP o esn, 0 1 1 ( ) 2 62 7 n o o Zh o g h n,Yu l u S n cu il A.Re i n Co e go mp tt n e i o:Un f i g S a e, i iy n n k s Re i n Gr wi g go o n, a Ba sM DL f r M u tb n I g nd ye/ o l ad i ma e

图 4不同窗函数分割效果的比较

5结束语 本文针对一类包含有杂乱特征的图像分割问题,提出局部熵驱动下的区域主动轮廓线局部化框架,并给出了具体实例和实验结果。虽然取得了较好的分割效果,但仍有不足之处。例如

,模型中窗函数的半径不能根据图像信息自适应变化。因此,这也是下一步研究工作的重点。

S g n a o[ .I E T a scin o P t r An ls a d e me tt n J E E r n a t s n a en i] o t ay i n s Ma hn tlg n e 1 9, 1: 8—0 . c ieI el e c, 6 1 ( ) 8 4 9 0 n i 9 8 Ku e W ek r,Bee,e 1 h n G i etJ irM ta.FatI l i Aci eCo t u s mpi t tv n o r c

Mo es/ r c f te 4h DAG d l[/ o .o h 2 t C]P M S mp s m o P t r y oi u n at n e Re o n t . ri Ge ma y Sp i g rVe l g 2 0:1 3 1 . c g i on Be l i n, r n: rn e - r a, 0 2 3— 40

参考文献 【]陈繁昌.图像处理与分析】北京: 1 .科学出版社, 0 9 20.

编辑

任吉慧

基于K均值聚类的图割医学图像分割算法

上一页第3页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email