集成相异性准则与熵率超像素的图像分割模型
目的 高精度图像分割是生物医学图像处理中的一个重要问题.在磁共振成像过程中,噪声和强度不均匀很大程度影响图像分割的精度.因此,提出了一种基于相异性准则熵率超像素的多模态高精度图像分割网络.方法 采用熵率超像素分割算法对多模态图像进行预分割得到超像素块,提出新的融合算法对其重新编号,建立超像素图,该图中的每一个超像素块构成无向图的一个结点;利用每个结点的灰度值提取特征向量,通过相异性权重判断结点间的相关性,构建相邻结点的特征序列;将特征序列作为双向长短期记忆模型(bi-directional long short-term memory,BiLSTM)的输入,经过训练和测试,得到最终的分割结果.结果 本文方法在BrainWeb、MRBrainS和BraTS2017数据集上与主流算法进行了对比.在BrainWeb数据集上,本文方法的像素精度(pixel accuracy,PA)和骰子相似系数(Dice similarity coefficient,DSC)分别为 98.93％、97.71％,比 LSTM-MA(LSTM method with multi-modality and adjacency constraint)提升了 1.28％、2.8％.在 MRBrainS 数据集上,本文方法的 PA 为 92.46％,DSC 为84.74％,比LSTM-MA提升了 0.63％、1.44％.在BraTS2017数据集上,本文方法的PA和DSC上分别为98.80％,99.47％,也取得了满意的分割结果.结论 提出的分割网络在多模态图像分割应用中,获得了较好的分割结果,对图像强度不均匀和噪声有较好的鲁棒性.
图像分割、多模态、超像素、双向长短期记忆模型(BiLSTM)、噪声鲁棒性
27
TP751.1(遥感技术)
科技创新新一代人工智能重大项目;国家自然科学基金;上海市优秀学术/技术带头人计划;上海市自然科学基金;中央高校基本科研业务费专项;华东师范大学优秀博士生学术创新能力提升计划项目;上海市科学技术委员会资助项目;上海市科学技术委员会资助项目
2022-11-25（万方平台首次上网日期，不代表论文的发表时间）
共13页
3267-3279
