基于改进粗糙集概率模型的鲁棒医学图像分割算法

摘要：

基于参数化模型的图像分割算法对复杂的医学图像分割精度较低,提出一种基于改进粗糙集概率模型的鲁棒医学图像分割算法.首先,将粗糙集的上下逼近与概率边界区引入最大期望算法中,表征每个类簇;然后,将图像的灰度分布建模为一个有限数量的混合粗糙集概率分布;最终,通过马尔可夫随机场引入图像的空间信息,提高图像分割算法的鲁棒性.基于合成脑部MR(核磁共振)图像库与真实脑部MR图像库的分割实验结果显示,本算法的分割精度与鲁棒性均优于其他参数化模型的分割算法及其他专门的脑部MR图像分割算法.

关键词：粗糙集、参数化模型、医学图像分割、最大期望算法、马尔可夫随机场、鲁棒性

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：福建省自然科学基金资助项目2016J01373;福建省卫生厅青年科研计划资助项目2013-1-34

在线出版日期：2017-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2546-2550,2556