一种针对脑部图像分割强度不均匀性的改进方法

摘要：

强度不均匀性是医学图像中常见的问题,对图像的精确分割提出了许多挑战,图像分割是计算机视觉和计算的基础步骤,提出了一种基于模糊C均值(FCM)的能量最小化方法,将全局聚类和局部聚类相结合,用于磁共振(MR)脑图像的偏场估计和分割.该方法将MR图像分解为两个分量作为全局聚类项的优点,充分利用了表征组织物理性质的真实图像和解释强度不均匀性的偏置场及其各自的空间特性.MR图像的分解描述了整个图像中偏移场的变化,其中组织边界的某些深层变化细节可能会丢失.该方法利用了图像局部区域的不同偏移场的局部聚类项,较好地处理了不同组织间强度的深刻变化.由于局部聚类方法对偏移场的分布缺乏全局控制,此文利用了全局聚类和局部聚类的优点,考虑了两者的结合.在该方法中,通过能量最小化过程同时实现了偏移场估计和组织分割.用FCM迭代优化能量最小化问题,通过真实图像和合成图像与相关模型的对比实验,证明了该模型在偏差校正和分割精度方面的优越性.

关键词：水平集方法、强度不均匀、图像分割、偏移场校正

所属期刊栏目：40

分类号：TP391.4;R445.2(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市自然科学基金面上项目;重庆市教委自然科学项目

在线出版日期：2023-04-04（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：34-39