由于脑血管具有分枝众多、形态细小以及位置特殊和形态复杂等特性,在医学图像中精确地提取脑血管成为一项比较棘手的问题。该文提出了一种新颖的统计学分割方法,有效地实现了脑血管的精确分割。首先,充分利用各血管像素的空间邻域信息,...由于脑血管具有分枝众多、形态细小以及位置特殊和形态复杂等特性,在医学图像中精确地提取脑血管成为一项比较棘手的问题。该文提出了一种新颖的统计学分割方法,有效地实现了脑血管的精确分割。首先,充分利用各血管像素的空间邻域信息,将马尔科夫随机场信息加入到统计学模型的方法中,提出了新的马尔科夫统计模型;然后,利用随机期望最大化(Stochastic versions of the Expectation Maximization,SEM)算法来对统计模型中的多个参数进行估计,寻找最优解,进而实现了脑血管的3维分割。实验结果表明,该方法不仅能够分割出较大的血管分支,而且因其考虑了血管邻域信息,对细小血管的分割也有较好的效果,因此对脑血管疾病的临床预防和诊断具有深远的意义。展开更多
模拟人类视觉感知机制,提出了一种基于多尺度自回归滑动平均(MARMA,multiscale autoregressive and moving average model)模型和Markov随机场(MRF,markov random field)的合成孔径雷达(SAR)图像分割新方法。首先,分析人类视觉感知系统...模拟人类视觉感知机制,提出了一种基于多尺度自回归滑动平均(MARMA,multiscale autoregressive and moving average model)模型和Markov随机场(MRF,markov random field)的合成孔径雷达(SAR)图像分割新方法。首先,分析人类视觉感知系统的工作机制和特点,利用SAR的成像机理,构建了SAR图像的金字塔结构和MARMA模型,以此模拟视觉过程中的空间尺度和朝向感知机制;然后,通过不同尺度上的MRF模型和改进的模拟退火(SA)算法实现更有效的多尺度分割策略。实验结果表明,本文提出的方法在SAR图像分割任务中有非常良好的表现。展开更多
为了同时处理影像分割问题中的随机性与模糊性,提出了一种多尺度(MR,multi-resolu-tion,马尔可夫随机场(MRF,markov random field)模型下的模糊C均值(FCM,fuzzy C-means)聚类分割算法(MR-MRF-FCM)。利用FCM算法能够处理影像模糊性的优点...为了同时处理影像分割问题中的随机性与模糊性,提出了一种多尺度(MR,multi-resolu-tion,马尔可夫随机场(MRF,markov random field)模型下的模糊C均值(FCM,fuzzy C-means)聚类分割算法(MR-MRF-FCM)。利用FCM算法能够处理影像模糊性的优点、MRF模型描述空间关系的长处以及小波的多尺度分析的优点,先对影像进行多尺度小波分解,并对小波系数建立MRF,进而用MR-MRF中的条件概率矩阵代替FCM算法的隶属度矩阵。实验结果从视觉效果和定量指标两方面表明,本文方法优于经典的MRF、多尺度MRF、FCM和核FCM等方法。展开更多
文摘由于脑血管具有分枝众多、形态细小以及位置特殊和形态复杂等特性,在医学图像中精确地提取脑血管成为一项比较棘手的问题。该文提出了一种新颖的统计学分割方法,有效地实现了脑血管的精确分割。首先,充分利用各血管像素的空间邻域信息,将马尔科夫随机场信息加入到统计学模型的方法中,提出了新的马尔科夫统计模型;然后,利用随机期望最大化(Stochastic versions of the Expectation Maximization,SEM)算法来对统计模型中的多个参数进行估计,寻找最优解,进而实现了脑血管的3维分割。实验结果表明,该方法不仅能够分割出较大的血管分支,而且因其考虑了血管邻域信息,对细小血管的分割也有较好的效果,因此对脑血管疾病的临床预防和诊断具有深远的意义。
文摘模拟人类视觉感知机制,提出了一种基于多尺度自回归滑动平均(MARMA,multiscale autoregressive and moving average model)模型和Markov随机场(MRF,markov random field)的合成孔径雷达(SAR)图像分割新方法。首先,分析人类视觉感知系统的工作机制和特点,利用SAR的成像机理,构建了SAR图像的金字塔结构和MARMA模型,以此模拟视觉过程中的空间尺度和朝向感知机制;然后,通过不同尺度上的MRF模型和改进的模拟退火(SA)算法实现更有效的多尺度分割策略。实验结果表明,本文提出的方法在SAR图像分割任务中有非常良好的表现。
文摘为了同时处理影像分割问题中的随机性与模糊性,提出了一种多尺度(MR,multi-resolu-tion,马尔可夫随机场(MRF,markov random field)模型下的模糊C均值(FCM,fuzzy C-means)聚类分割算法(MR-MRF-FCM)。利用FCM算法能够处理影像模糊性的优点、MRF模型描述空间关系的长处以及小波的多尺度分析的优点,先对影像进行多尺度小波分解,并对小波系数建立MRF,进而用MR-MRF中的条件概率矩阵代替FCM算法的隶属度矩阵。实验结果从视觉效果和定量指标两方面表明,本文方法优于经典的MRF、多尺度MRF、FCM和核FCM等方法。
