基于核聚类算法和模糊Markov随机场模型的脑部MR图像的分割
为了更有效地对被噪声污染的脑部MR图像进行分割,提出了一种基于模糊核聚类和模糊Markov随机场的脑部MR图像分割算法.该算法在使用高斯径向基函数的核聚类目标函数中,引入了基于Markov随机场的补偿项,作为分割算法的空间约束.这种空间补偿项用Gibbs分布描述,实际上是一种归一化的核函数,其和用来度量灰度特征的核函数的形式是相似的,并且这种空间约束利用了分割结果的模糊信息.这种基于核函数和Markov随机场模型的算法克服了传统聚类以及核聚类算法的缺陷,不仅提出了更加合理的空间约束,而且改善了原有的分割模型,因此可以得到更加分段光滑的聚类结果.通过对合成图像、模拟MR图像以及临床MR图像进行的分割实验以及和标准分割结果的比较表明,该算法优于相关算法,可以有效地分割被污染的MR图像.
MR图像分割、核聚类算法、模糊Markov场、空间约束
14
TP391.41(计算技术、计算机技术)
国家自然科学基金项目60472006;广东省自然科学基金团队项目04205783
2009-11-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
1732-1738