基于高斯混合模型的脑部MR图像自动分割

• 作者: 夏德深 张建伟 陈允杰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 各向异性扩散 高斯混合模型 水平集
• 年，卷（期）: 2006,（24）
• 所属期刊栏目: 工程与应用
• 页码范围: 207-210
• 页数: 4页
• 分类号: TP391.41
• 字数: 4374字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.24.064

摘要

将脑部组织从MR图像中提取出来是脑部图像处理的一个重要环节,如何精确地将脑组织从非脑组织中分离出来成为研究的难点.传统的水平集方法仅依赖梯度信息,由于脑部图像含有噪音、过度区域等因素的影响,使得分割效果不是很理想.文章提出了一种脑部MR图像的自动分割方法,它利用模糊各向异性扩散方法对图像进行平滑,结合直方图分析得到了图像的全局信息自动构造初始曲线,并利用高斯混合模型构造水平集演化的速度函数,得到较好的分割结果.对脑部MR图像分割的实验表明该方法准确度高、抗噪性能良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏德深	南京理工大学计算机系	220	3601	29.0	48.0
2	张建伟	南京理工大学计算机系	86	725	15.0	21.0
6	陈允杰	南京理工大学计算机系	15	173	9.0	13.0