-
公开(公告)号：CN106504245A
公开(公告)日：2017-03-15
申请号：CN201610962566.1
申请日：2016-10-28
Applicant: 东北大学
CPC classification number: G06T7/0012 , G06K9/6221 , G06T2207/10088 , G06T2207/30016 , G06T2207/30096
Abstract: 本发明提供一种多模态脑影像损伤性病变组织图像分割方法，该方法：获取L个模态下包含待分割损伤性病变组织的脑影像图像；对各模态脑影像图像进行预处理；采用加权Fuzzy C-means方法依次分割各模态预处理后的脑影像图像；采用多数投票法将各模态初步分割后的脑影像图像中脑损伤性病变组织进行标签融合，得到各模态标签融合后的粗分割结果图像；将得到的各模态标签融合后的粗分割结果图像作为初始输入，采用水平集分割方法对多模态脑影像图像进行分割，得到脑损伤性病变组织脑影像图像分割结果，该方法能够有效融合多个影像模态的有益信息，克服了弱边界、图像噪声、以及灰度不一致性对图像分割精度的负面影响。
-
公开(公告)号：CN106204592A
公开(公告)日：2016-12-07
申请号：CN201610545628.9
申请日：2016-07-12
Applicant: 东北大学
CPC classification number: G06T5/001
Abstract: 本发明提供一种基于局部灰度聚类特征的图像水平集分割方法，该方法为读取待分割图像，采用正交基函数的线性加权和拟合偏移场，并初始化各基函数的权重值，初始化图像的水平集函数集合，建立图像水平集分割的能量泛函，根据待分割图像设定水平集分割控制参数，分别更新聚簇中心集合、图像水平集函数集合、基函数权重列向量，直至满足迭代终止条件，得到迭代的能量泛函，根据当前更新后的图像水平集函数集合构造图像的隶属度函数，即待分割图像的分割结果，并根据更新后的基函数权重列向量与基函数列向量得到待分割图像的偏移场估计，该方法克服了弱边界、图像噪声以及灰度不一致性对图像分割精度的负面影响，起到校正图像灰度的作用。
-
公开(公告)号：CN106204592B
公开(公告)日：2019-02-05
申请号：CN201610545628.9
申请日：2016-07-12
Applicant: 东北大学
Abstract: 本发明提供一种基于局部灰度聚类特征的图像水平集分割方法，该方法为读取待分割图像，采用正交基函数的线性加权和拟合偏移场，并初始化各基函数的权重值，初始化图像的水平集函数集合，建立图像水平集分割的能量泛函，根据待分割图像设定水平集分割控制参数，分别更新聚簇中心集合、图像水平集函数集合、基函数权重列向量，直至满足迭代终止条件，得到迭代的能量泛函，根据当前更新后的图像水平集函数集合构造图像的隶属度函数，即待分割图像的分割结果，并根据更新后的基函数权重列向量与基函数列向量得到待分割图像的偏移场估计，该方法克服了弱边界、图像噪声以及灰度不一致性对图像分割精度的负面影响，起到校正图像灰度的作用。
-
-
Search Results
3
records
(took 0.016 seconds)
