基于小波的磁共振图像聚类分割-论文.pdf

基于小波的磁共振图像聚类分割-论文.pdf

ID:53763080

大小:533.99 KB

页数:4页

时间:2020-04-24

基于小波的磁共振图像聚类分割-论文.pdf_第1页
基于小波的磁共振图像聚类分割-论文.pdf_第2页
基于小波的磁共振图像聚类分割-论文.pdf_第3页
基于小波的磁共振图像聚类分割-论文.pdf_第4页
资源描述:

《基于小波的磁共振图像聚类分割-论文.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、·632·中国医学影像技术2013年第29卷第4期ChinJMedImagingTechnol,2013,Vol29,No4◆:◆医学物理与工程学Wavelet·basedMRimagesclusteringsegmentationH0己,Xiao—weFl。LIUQi(DepartmentofMedicalInformation,SichuanUniversity,Chengdu610065,China)[Abstract]0bjectiveTodeterminethenumberofclusteringcategorieso

2、fdifferentMRT1wIadaptivelyusingthehisto—gram,andtoachievetheadaptivesegmentationbyfuzzyc—meansalgorithm(FCM).MethodsFirstly,thesmoothhisto—gramenvelopewasfittedthroughthewavelettransform,inordertoalleviatetheimpactofnoisesonfindingtheextremesoftheenvelope.Secondly,th

3、enumberofenvelopemaximawasfoundaccordingtotheknowledgeofcalculus,andthenthemaximumsoftheenvelopewerefilteredinaccordancewiththerulesgiveninthepaper,therebythenumberofpeaksofthehistogramwouldbedetermined.ThenMRimagesweresegmentedthroughFCMforwhichthenumberofclustering

4、cate—gorieswasequaltohistogrampeaknumberandthecentersofclusteringcategorieswerethecorrespondinghistogrampeaks.ResultsThenumberofclusteringcategoriesofmultipleabdomenandbrainMRimagewasdeterminedeffectivelyandadaptivelywiththismethod.ConclusionThismethodcaneffectivelya

5、ndaccuratelydeterminethenumberoftheclus—teringcategoriesofdifferentMRimages,andSOachievetheadaptiveofFCM.[Keywords]Fuzzyc—meansalgorithm;Envelopeofhistogram:Adaptive;Extremes基于小波的磁共振图像聚类分割侯晓文,刘奇(四川大学医学信息工程系,四川成都610065)[摘要]目的利用直方图自适应确定人体不同部位MRI的聚类类别的数目和相应的初始聚类中心。实现模糊一

6、c均值聚类算法(FCM)分割的自适应。方法首先采用小波变换拟合直方图的平滑包络线,降低噪声对寻找包络线极值的影响;其次根据微积分的知识求出包络线极大值的个数,按照文中给出的法则对包络线的极大值进行筛选,确定直方图中峰值的个数;最后以直方图中峰值的个数为聚类类别数,以相应的峰值为初始聚类中心,对MRI进行FCM分割。结果采用该方法对多幅腹部和脑部MR图像进行分割,均能有效地自适应确定聚类的个数。结论本文方法能够有效、准确地确定不同MR图像的聚类类别的个数,实现FCM的自适应。[关键词]模糊c-均值聚类算法;直方图包络线;自适应;小

7、波变换[中图分类号]TP39[文献标识码]A[文章编号]1003—3289(2013)04—0632~04图像分割是图像处理和计算机视觉的基本问题之类算法(fuzzyc-meansalgorithm,FCM)理论基础是一,是实现从图像处理到图像分析、进而完成图像理解聚类理论_2],通过对设定的初始聚类中心进行迭代计的关键性步骤L1],在医学诊断与治疗中具有极其重要算,能够优中选优地找到最合适的聚类中心,实现对图的意义。目前的图像分割可分为基于边界的图像分割像的最优分割。以往实验及实际应用结果都表明,和基于区域的图像分割,其中基于

8、模糊聚类算法的图FCM是一种有效的分割方法。;但也存在不少问题,像分割方法属于基于区域的图像分割。模糊一c均值聚如聚类类别数难以确定、如何确定有效的初始聚类中心和初始隶属度矩阵、迭代易陷入局部极值、迭代过程[作者简介]侯晓文(1989一),男,山东菏泽人,在读硕

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。