-
题名复小波域混合概率图模型的超声医学图像分割
被引量:8
- 1
-
-
作者
夏平
施宇
雷帮军
龚国强
胡蓉
师冬霞
-
机构
三峡大学水电工程智能视觉监测湖北省重点实验室
三峡大学计算机与信息学院
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第1期185-196,共12页
-
基金
国家重点研发计划(2016YFB0800403)
国家自然科学基金(联合基金)项目(U1401252)
湖北省重点实验室开放基金项目(2018SDSJ07)资助。
-
文摘
针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题,提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform,DT-CWT)提取超声医学图像6个方向的高频特征信息;其次,为关联目标的弱特征信息并抑制统计独立的高频噪声,构建了复小波域混合概率图模型;尺度间“父-子”节点间标记采用贝叶斯网络进行建模,尺度内邻域间标记采用马尔科夫随机场(Markov random field,MRF)无向图建模,对复小波域中同尺度的特征系数采用高斯混合模型建模,尺度内同标记的观测特征采用高斯模型建模;最后,用迭代条件模式(Iterated conditional mode,ICM)实现MRF中误分割率最小的能量函数最优解,获取标记场,实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明,本文算法能有效地提取超声图像的弱目标信息,较好地定位目标区域,具有较高的分割精度和鲁棒性.
-
关键词
医学图像分割
复小波分析
混合概率图模型
马尔科夫随机场
迭代条件模式
-
Keywords
Ultrasound medical image segmentation
complex wavelet analysis
hybrid probabilistic graphical model
Markov random field(MRF)
iterated conditional mode(ICM)
-
分类号
R445.1
[医药卫生—影像医学与核医学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-