基于Gibbs随机场的有限混合模型改进与脑部MR图像的稳健分割

摘要：

有限混合(FM)模型已经广泛地应用于图像分割,但是由于没有考虑空间信息,导致分割的结果对噪声很敏感,分割出的区域存在很多杂散的孤立点.本文在Gibbs随机场理论的指导下,将空间信息引入FM模型,提出了改进的脑部MR图像分割算法.此外,由树形K平均聚类来估计初始参数,实现了全自动的图像分割.本研究进行了仿真MR图像和真实MR图像的分割实验,定量的数据分析表明,我们所提的改进算法对噪声不敏感,可以更精确地将脑部MR图像标记为灰质、白质与脑脊液三种组织类型.

关键词：有限混合模型(FM)、期望最大化算法(EM)、Gibbs随机场、磁共振成象(MRI)、图像分割

所属期刊栏目：22

分类号：R318.04(医用一般科学)

资助基金：国家自然科学基金30130180;国家自然科学基金698720387

在线出版日期：2004-01-08（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：193-198