10.3969/j.issn.1000-3428.2012.24.047
基于FCM和LBF模型的医学图像自动分割
基于局部区域二相拟合(LBF)模型的医学图像分割方法,对初始轮廓敏感并仅能分割单类目标,若手动选取的初始轮廓不合适,将导致算法耗时过大甚至分割失败.针对上述不足,提出联合模糊C均值(FCM)聚类的LBF模型自动分割算法.对待分割图像进行FCM聚类,将得到的目标类隶属度值变换为适用于LBF模型的水平集函数初始值,利用LBF模型从该初始值开始演化直至收敛,从而完成分割.合成图像及血管和脑部图像的分割实验结果表明,该算法能够自动获取合适的初始值,有效解决LBF模型对初始轮廓敏感的问题,减少迭代次数,而且通过选择不同的FCM聚类结果,可以实现对多类目标的分割.
图像分割、模糊C均值聚类、局部二相拟合模型、水平集、血管图像、磁共振图像
38
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目60903127,61202314;西北工业大学"翱翔之星计划"基金
2013-01-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
200-204