10.3969/j.issn.1003-3114.2016.04.09
基于模糊核聚类的双水平集医学图像分割
在实际的医学图像中,除目标和背景区域外,还存在两个以上的目标区域,传统的 Chan?Vese 模型一般只适用于两相图像分割,不能很好地分割多相图像。提出了一种基于模糊核聚类的改进型双水平集的医学图像分割,利用KFCM聚类算法降低图像噪声和双水平集模型的敏感性,对双水平集模型进行改进,对聚类后图像再分割。该方法具有较好的抑制图像噪声能力,充分利用图像边缘信息,无需初始化水平集函数,减少计算量和算法迭代次数,并能有效地实现多相目标区域的分割。
图像分割、KFCM、C-V模型、双水平集
42
TP391(计算技术、计算机技术)
国家自然科学基金项目61273352,61573307,61473249,61473250
2016-06-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
33-37