公开(公告)号：CN105512670A

公开(公告)日：2016-04-20

申请号：CN201510741859.2

申请日：2015-11-04

Applicant: 上海大学

Inventor： 马秀丽 ,  周小军 ,  何昌保

IPC: G06K9/62 ,  G06T7/00

CPC classification number: G06K9/6223 ,  G06T2207/30004

Abstract: 本发明公开了一种基于KECA特征降维和聚类的HRCT周围神经分割方法，包括以下步骤：首先，利用非下采样Contourlet变换和广义高斯混合模型对神经HRCT图像进行增强；然后，基于Gabor小波对增强后的图像进行特征提取；在此基础上，采用KECA算法对图像的部分采样数据点进行降维分析，找出降维所需的相关信息；结合KECA算法的特点，利用采样外点扩展算法OSE实现整幅图像所有数据点的特征降维；最后，针对降维后不同类别数据的分布特点，利用改进的KECA谱聚类算法进行聚类分割。本发明利用KECA算法的特点和采样外点扩展算法OSE，减少了图像中的冗余信息对分割结果的影响，在没有医学先验知识和人工干预的情况下，比较准确的实现了HRCT图像的分割。

公开(公告)号：CN105512670B

公开(公告)日：2019-04-02

申请号：CN201510741859.2

申请日：2015-11-04

Applicant: 上海大学

Inventor： 马秀丽 ,  周小军 ,  何昌保

IPC: G06K9/62 ,  G06T7/10

Abstract: 本发明公开了一种基于KECA特征降维和聚类的HRCT周围神经分割方法，包括以下步骤：首先，利用非下采样Contourlet变换和广义高斯混合模型对神经HRCT图像进行增强；然后，基于Gabor小波对增强后的图像进行特征提取；在此基础上，采用KECA算法对图像的部分采样数据点进行降维分析，找出降维所需的相关信息；结合KECA算法的特点，利用采样外点扩展算法OSE实现整幅图像所有数据点的特征降维；最后，针对降维后不同类别数据的分布特点，利用改进的KECA谱聚类算法进行聚类分割。本发明利用KECA算法的特点和采样外点扩展算法OSE，减少了图像中的冗余信息对分割结果的影响，在没有医学先验知识和人工干预的情况下，比较准确的实现了HRCT图像的分割。