基于邻域信息的B样条密度模型的医学图像分割研究.pdf

《基于邻域信息的B样条密度模型的医学图像分割研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4l卷第l2期计算机科学V01．41No．122014年12月ComputerScienceDec2O14基于邻域信息的B样条密度模型的医学图像分割研究刘哲。宋余庆包翔(江苏大学计算机科学与通信工程学院镇江212013)(吉林师范大学计算机学院四平136000)摘要针对有参混合模型的聚类算法需要假设模型为某种已知的参数模型而存在模型不匹配及应用于图像分割时对噪声比较敏感的问题，提出了一种基于空间邻域信息的B样条密度模型的图像分割方法。首先，通过构建基于规范化的B样条密度函数的非参数混合模型，定义空间信息函数，使得分割模型具有空间邻域信息；其次，利用非参数B样条期望最大(NNBEM)算法估计

2、密度模型的未知参数；最后根据贝叶斯准则实现图像的分割。该图像分割方法不需要假设图像符合某种模型，就可以克服实际数据分布与假设图像模型不一致的问题。此方法有效克服了“模型失配”问题，而且有力抑制了噪声点，同时很好地保留了边界的特性。分别对模拟图像进行仿真，验证了基于空间邻域信息的B样条密度模型的分割方法的有效性。关键词空间信息，图像分割，B样条密度函数，混合模型，贝叶斯准则中图法分类号TP391．4文献标识码ADOI1O．11896／j．issn．1002—137X．2014．12．063MedicalImageSegmentationBasedonNon-parametricB-spline

3、DensityModelwithSpatialInformationLIUZhe’SONGYu-qingBAOXiang(SchoolofComputerScienceandTelecommunicationEngineering，JiangsuUniversity，Zhenjiang212013，China)(SchoolofComputerScience，JilinNormalUniversity，Siping136000，China)AbstractBecausefinitemixturemodelforparametersestimationmethodpartiallydepend

4、sonthepriorassumptionandissensitivetonoiseinimagesegmentation，anon-parametricmedicalimageB-splinedensitymodelwithspatialinforma—tionsegmentationmethodwasproposedinthispaper．First，theimagenon-parametricB-splinedensitymodelwasde—signed，andspatialinformationfunctionwasdefinedinordertomakethemodelwiths

5、patialneighborhoodinformation．Secondly，non-parametricB-splineexpectationmaximum(NNBEM)algorithmwasusedtoestimatetheunknownpa—rameterofthedensitymode1．Finally，imagewasclusteredaccordingtotheBayesiancriterion．Thismethodeffectivelyovercomethemodelmismatchproblem，whichisnotonlyeffectivetodealwithnoisy，

6、butalsoreserveedgepropertywel1．Theexperimentalresultsaboutthesimulationimagesegmentationshowtheeffecivenessofthismethod．KeywordsSpatialinformation，Imagesegmentation，B-splinedensityruction，Mixturemodels，Bayesiancriterions人[5]提出了一种基于学生T分布的混合模型用于图像分割，1引言其充分考虑了图像邻域像素的空间信息并分配权重，具有良医学图像分割是把图像中具有特殊含义的不同区域

7、分割好的性能和优越性。Nara等人l6提出了基于半监督聚类的开来，并使分割结果尽可能地接近解剖结构，从而为临床诊疗高斯混合模型图像分割方法，加快了收敛速度并提高了分割和病理学研究提供可靠依据，是目前医学图像处理中的重要精度。Wang等人[7]提出了自适应模型用于图像分割，该模研究内容之一。聚类是一种常用的图像分割技术，多年来已型能够自适应调整权重函数，并利用了GAC模型在区域具经有大量基于聚类的图像分割算法被