金春兰
- 作品数：2 被引量：9H指数：2
- 供职机构：四川大学电气信息学院更多>>
- 相关领域：医药卫生更多>>
- 基于多重分形谱和自组织神经网络的医学图像分割被引量：3
- 2010年
- 背景:单一的多重分形谱图像分割虽然在边缘及纹理的区分上有较大优势,但是选择不同的测度,不同的阈值对于分割结果影响比较大,正确地选择最优的测度比较困难。目的:结合多重分形谱图像分割法及自组织特征映射神经网络对医学图像进行处理。方法:以图像每一象素及其周围象素的均值及方差为基本特征,再结合4种不同多重分形谱为纹理特征,实现自组织特征映射神经网络。结果与结论:选择不同的测度对同一图像的分割结果是不一样的,并且同一种测度对不同图像的分割效果也不一样,说明基于多重分形谱的医学图像分割中选择合适的测度是一个关键所在。因此将多重分形谱结合自组织特征映射神经网络的方法对图像进行处理,该方法省略了选择测度的步骤,直接把4种多重分形谱作为特征,与另两种基本特征一起作为自组织神经网络的输入,对网络进行学习,并自动对图像进行分割。实验结果表明该方法在满足复杂图像中有效进行分割的同时达到了自动、自适应的目的。
- 金春兰黄华张国芳刘圹彬
- 关键词：自组织特征映射神经网络医学图像分割纹理数字化影像技术
- 基于多重分形的医学图像分割方法被引量：6
- 2010年
- 背景:由于人体解剖结构的复杂性、组织器官形状的不规则性及不同个体间的差异性,所以比较适合用多重分形来分析。目的:采用多重分形理论对医学图像进行图像分割。方法:采用基于容量测度的多重分形谱计算及基于概率测度的多重分形谱计算方法对图像进行分割。对于待处理图片分别进行传统的区域生长分割,max容量测度图像分割,sum容量测度图像分割,概率测度图像分割等4种分割,并加入噪声后再进行同样的分割处理作为比较。结果与结论:采用的两种基于多重分形谱的计算法中,基于容量测量的多重分形谱计算方法的关键是定义合适的测度μα;基于概率测度的多重分形谱计算方法的关键是定义合适的归一化概率Pi,不同的测度(概率)和不同的阈值对结果的影像比较大。基于概率测度的方法对噪声比较敏感,但是在滤过噪声时对图像象素大小变化比较大、比较复杂的图像有较好的分割效果。实验表明基于多重分形谱的医学图像分割方法在选择合适的测度(概率)和阈值时是可行的,特别是在较为复杂的图像处理中对于纹理和边缘的区别上有较大的优势,在准确地分割的同时能保留更多的细节,具有重要的实际意义。同时,多重分形也可以作为一种图像的特征,为特征提取多提供一种有力的数据。
- 金春兰黄华刘圹彬
- 关键词：图像分割医学图像纹理数字化影像技术
