改进的分段主成分分析算法及其在前列腺分割中的应用

• 作者: 宋建萍 石勇涛
• 来源期刊: 现代电子技术
• 关键词: 医学超声图像分割 先验形状 分段样本 分段主成分分析 前列腺图像分割 信息提取
• 年，卷（期）: 2018,（13）
• 所属期刊栏目: 信号分析与图像处理
• 页码范围: 61-64
• 页数: 4页
• 分类号: TN911.73-34|TP391.4
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.13.014

摘要

主成分分析(PCA)作为形状建模中的经典算法,在训练阶段考虑训练样本的整体信息,而忽略了样本的局部细节信息.分段主成分分析(MPCA)针对PCA的不足改进了算法,在人脸识别应用中获得了比传统PCA更好的识别效果.但在MPCA中样本一般都被划分为同样大小的子样本块,没有考虑到实际的样本局部动态变化信息.这里根据初始样本的方差信息对MPCA算法进行改进,将样本划分成尺寸大小不一的多类样本(分段样本),然后分别对分段样本做主成分分析,得到原始样本的分段PCA模型.将该模型应用于前列腺超声图像分割实验,结果表明其分割效果优于传统的PCA算法和MPCA算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石勇涛	三峡大学计算机与信息学院	9	14	2.0	3.0
2	宋建萍	三峡大学科技学院	8	32	3.0	5.0