典型文献
改进分水岭与K-means++结合的人体脊柱图像分割方法
文献摘要：
由于在人体脊柱图像分割中,分水岭算法存在过分割现象以及对微弱边缘、噪声非常敏感的问题,故对其进行改进.原始人体脊柱CT图像存在许多不必要的局部极小值,首先利用K-means++聚类算法进行区域分类,减少错误的局部极小值;然后利用形态学图像处理技术对初始分割图像进行去噪处理,使图像变得平滑;接下来提取区域最大值标记为图像前景,将阈值分割得到的图像标记为背景;最后通过分水岭变换得到人体脊柱分割结果图.实验结果表明,该算法能实现对人体脊柱图像的准确分割,其Dice系数、Jaccard系数与Precision系数均值分别为89.2％、82.3％和85.4％,相比当前主流算法分别提高了15.2％、12.7％与10.3％.
文献关键词：
分水岭算法;K-means++;人体脊柱图像;图像分割
中图分类号：
作者姓名：
郎成洪;华云松;张嘉棋;钟雪莲;王麒翔
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]郎成洪;华云松;张嘉棋;钟雪莲;王麒翔-.改进分水岭与K-means++结合的人体脊柱图像分割方法)[J].软件导刊,2022(04):38-44
A类：
人体脊柱图像
B类：
means++,脊柱图像分割,分割方法,分水岭算法,微弱,原始人,不必要,局部极小值,聚类算法,图像处理技术,去噪处理,接下来,记为,阈值分割,割得,分水岭变换,Dice,Jaccard,Precision,流算法
AB值：
0.284906
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
