典型文献
基于统计聚类与无向图模型的医学图像分割
文献摘要：
超声医学图像灰度集中、对比度较差,针对传统分割方法效果不理想的问题,提出统计聚类与马尔科夫随机场(MRF)无向图模型的医学图像分割算法.医学图像的统计结构反映了图像空间区域的聚类特征,选定其灰度统计特性的局部峰值对应的灰度值作为K均值算法的初始聚类中心能较好地定位各区域,应用基于统计信息的聚类算法对医学图像进行初始分割;在此基础上构建各区域的无向图模型,建模二阶邻域系统描述像素标记间联系,医学图像的整体特征场采用高斯混合模型表征,并采用高斯模型建模标记相同的灰度特征场;最后,求解其局部能量最小的标记场,实现医学图像分割.实验结果表明,相比于传统的K均值算法、迭代算法以及Otsu算法,文中算法分割的医学图像的边缘与细节的清晰度、精细度均有一定程度改善.
文献关键词：
医学图像分割;统计聚类;无向图模型;区域定位;标记场建模;特征场建模
中图分类号：
作者姓名：
夏平;王塽;任强;雷帮军
作者机构：
三峡大学 水电工程智能视觉监测湖北省重点实验室,湖北 宜昌 443002;三峡大学 计算机与信息学院,湖北 宜昌 443002
文献出处：
引用格式：
[1]夏平;王塽;任强;雷帮军-.基于统计聚类与无向图模型的医学图像分割)[J].现代电子技术,2022(05):61-66
A类：
统计聚类,标记场建模,特征场建模
B类：
无向图模型,医学图像分割,超声医学,对比度,分割方法,马尔科夫随机场,MRF,图像分割算法,图像空间,空间区域,聚类特征,灰度统计,统计特性,局部峰值,灰度值,初始聚类中心,统计信息,聚类算法,邻域系,像素,整体特征,高斯混合模型,模型表征,高斯模型,灰度特征,局部能量,迭代算法,Otsu,清晰度,精细度,区域定位
AB值：
0.31799
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。
