首页 > 文献资料
-
基于Gibbs随机场的有限混合模型改进与脑部MR图像的稳健分割
有限混合(FM)模型已经广泛地应用于图像分割,但是由于没有考虑空间信息,导致分割的结果对噪声很敏感,分割出的区域存在很多杂散的孤立点.本文在Gibbs随机场理论的指导下,将空间信息引入FM模型,提出了改进的脑部MR图像分割算法.此外,由树形K平均聚类来估计初始参数,实现了全自动的图像分割.本研究进行了仿真MR图像和真实MR图像的分割实验,定量的数据分析表明,我们所提的改进算法对噪声不敏感,可以更精确地将脑部MR图像标记为灰质、白质与脑脊液三种组织类型.
-
基于图形处理器加速的医学图像分割算法研究
目的:提出对基于显卡图形处理器(GPU)加速的吉布斯(Gibbs)随机场医学图像分割算法的改进.方法:利用片元作色器并行执行的逐点计算,取代了CPU串行执行的逐点计算,大大减小CPU的负载,处理效率高于单独采用CPU的效率.结果:改进后的分割算法的加速性较CPU的串行计算方式减小了CPU的运算量,效率得以提高,计算速度较原算法有明显改善(计算速度提高400%以上).结论:采用显示卡加速的基于Gibbs随机场的模糊C均值分割算法运算接近实时,大大提高了Gibbs随机场分割算法在临床的实用性.
-
纹理分割中的特征提取
本文对纹理分割中的特征提取方法做了系统的比较和分析,重点介绍流行的Gibbs随机场的特征提取方法,并分析其主要面临的困难,后我们提出-种有效的解决方案.
-
利用Gibbs距离图Snake模型分割医学图像
目的 提出利用Gibbs距离图Snake模型分割医学图像的算法.该方法能克服医学图像周有的噪声和伪边缘干扰,收敛到正确的目标轮廓.方法 首先推导Gibbs形态学梯度,然后提出基于Gibbs形态学梯度的距离图Snake模型的医学图像分割方法.结果 本文所提出的算法克服了传统距离图Snake模型的上述缺点.结论 本文所提出的方法分割结果鲁棒性好,分割过程无须人工干预,适合应用于临床医学图像分割.
-
改进的模糊C均值聚类算法
由于传统的模糊C均值(fuzzy C-means,FCM)算法没有考虑像素点的空间邻域信息,仅涉及像素的单点灰度,在处理含有噪声的图像时有很大的局限性,因此分割效果较差.针对FCM的缺陷,提出一种新的改进算法,该算法引入Gibbs随机场,将Gibbs随机场先验概率与像素点隶属度的乘积作为新的像素隶属度.实验表明,改进后的算法有良好的分割效果,既可以较为完整地保留图像边界细节,又能较好地去除图像的噪声.