基于watershed算法的自動(dòng)MR腦圖像分割.pdf

1、在該論文,我們提出了一個(gè)新的自動(dòng)腦組織提取和分割方法.基于watershed算法的圖像分割方法是一種有效的方法,但是我們要抑止它的主要缺點(diǎn)―過(guò)分割.由于watershed算法對(duì)變化的高度敏感,一方面,總是可以檢測(cè)出我們感興趣區(qū)域的輪廓,另一方面,對(duì)于均勻區(qū)域中的低對(duì)比度變化也可檢測(cè)出來(lái),從而導(dǎo)致過(guò)分割,使我們希望得到的正確輪廓被大量不相關(guān)輪廓所淹沒(méi).首先,我們利用一種性能優(yōu)良的濾波器-非線性各向異性擴(kuò)散濾波器來(lái)減少圖像中存在的噪聲.即使

2、對(duì)圖像進(jìn)行了濾波預(yù)處理,過(guò)分割問(wèn)題依然存在.采用區(qū)域合并技術(shù)來(lái)合并相鄰的相似區(qū)域,來(lái)進(jìn)一步減少區(qū)域的數(shù)目.聚類分析是一種無(wú)監(jiān)督的統(tǒng)計(jì)方法,它不需要訓(xùn)練樣本集,通過(guò)迭代地執(zhí)行圖像分類來(lái)提取各類的特征值,實(shí)際上是以自組織的方式將特征歸成不同的類.由于MR腦圖像要分成灰質(zhì)、白質(zhì)、腦脊液和背景,我們可以利用聚類技術(shù)來(lái)將合并得到的結(jié)果進(jìn)行聚類得到希望的分割.這樣,結(jié)合watershed算法、區(qū)域合并技術(shù)和來(lái)自模式識(shí)別的聚類技術(shù),我們得到了一種全自