基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法
脑核磁共振图像常常受到噪声的影响,且有灰度不均、边界模糊的特点,使得传统聚类算法无法获得理想的脑部肿瘤分割结果,为此提出一种基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法.该方法首先采用改进的引导滤波算法对图像进行预处理,解决平滑图像时不能保留图像边缘的问题;然后将传统核模糊C-均值聚类算法(Kernel fuzzy C-means clustering)中的单一高斯核函数替换为混合高斯核函数,将数据由低维空间映射到高维特征空间;最后将马尔科夫随机场的先验概率引入,对算法的目标函数进行修正,进一步增强算法的抗噪性.实验结果表明,所提方法在去除噪声的同时,能够有效保留图像的边缘信息,PSNR值相比传统算法提升0.8041~2.0962 dB,SSIM值相比传统算法提升0.0312~0.0654,且算法分割精度更高,Dice指标和Jaccard指标的平均值分别达到0.9551和0.9141.
脑肿瘤分割;模糊C均值聚类;引导滤波;混合核函数;马尔科夫随机场
43
TP391(计算技术、计算机技术)
2021-10-09(万方平台首次上网日期,不代表论文的发表时间)
共13页
114-126