基于watershed算法的自動MR腦圖像分割.pdf

1、在該論文,我們提出了一個新的自動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―過分割.由于watershed算法對變化的高度敏感,一方面,總是可以檢測出我們感興趣區(qū)域的輪廓,另一方面,對于均勻區(qū)域中的低對比度變化也可檢測出來,從而導致過分割,使我們希望得到的正確輪廓被大量不相關輪廓所淹沒.首先,我們利用一種性能優(yōu)良的濾波器-非線性各向異性擴散濾波器來減少圖像中存在的噪聲.即使

2、對圖像進行了濾波預處理,過分割問題依然存在.采用區(qū)域合并技術來合并相鄰的相似區(qū)域,來進一步減少區(qū)域的數(shù)目.聚類分析是一種無監(jiān)督的統(tǒng)計方法,它不需要訓練樣本集,通過迭代地執(zhí)行圖像分類來提取各類的特征值,實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來將合并得到的結(jié)果進行聚類得到希望的分割.這樣,結(jié)合watershed算法、區(qū)域合并技術和來自模式識別的聚類技術,我們得到了一種全自