PDE降噪改进模糊聚类的图像局部分割

利用传统的降噪算法对脑MRI图像降噪时,会使脑MRI图像的纹理、边缘和血管等重要信息丢失.而偏微分方程(PDE)降噪算法能够在降低噪声的同时,可以有效缓解上述情形,确保细节的保留.模糊C均值(FCM)聚类算法和图像降噪算法在图像分割中有广泛的应用.本文将这两种方法结合起来,提出一种PDE降噪和模糊C均值聚类算法相结合的图像分割算法.首先利用改进的模糊C均值聚类算法(SKFCM)对图像进行初始分割;然后采用PDE降噪算法对感兴趣的部分进行精确分割,进而提取目标区域;最后通过仿真实验验证了此方法.结果表明该算法对噪声有很强的抑制能力,并且得到很好的分割效果。

改进偏微分方程的脑MRI图像降噪比较研究

对于噪声降低的时候传统的脑MRI医学图像降噪算法会使脑MRI医学图像的纹理、边缘和血管等的重要信息产生丢失.而偏微分方程(PDE)的脑MRI医学图像降噪算法能够在降低噪声的同时可以非常有效的缓解上述的情形确保细节的存留.主要介绍了几种PDE降噪模型.研究发现全变分的模型与四阶PDE模型降噪情况好于其余算法的降噪情况,但是水平线的生成对于成为水平集算法的初始水平集的情形较差,而四阶PDE模型迭代次数较多,运行时间长,在实际应用中有较强的限制.