CAJ | 학술논문

提出一种基于Graph Cuts的多尺度乳腺肿块自动分割方法.首先,应用区域统计融合方法对图像进行粗分割,将得到的粗轮廓作为后续Graph Cuts分割的初始轮廓.在迭代优化阶段,引入多尺度分析方法,以高斯金字塔分解得到的多尺度图像序列代替固定尺度的原始图像序列估计高斯混合模型(GMM)参数,将粗糙尺度的易分割性与精细尺度的精确性互补,使得算法以较少样本快速确定GMM参数以执行Graph Cuts分割.另外,为了提高算法的分割速度,采用分水岭算法产生一个区域邻接图,以较少样本代替像素邻接图.将本文方法、交互式Graph Cuts算法以及GrabCut方法应用于110例肿块病灶图像时,分别获得1.57、3.46和5.01的平均误分率.结果表明,相比于传统分割方法,本文提出的多尺度方法具有更高的分割精度和鲁棒性.
제출일충기우Graph Cuts적다척도유선종괴자동분할방법.수선,응용구역통계융합방법대도상진행조분할,장득도적조륜곽작위후속Graph Cuts분할적초시륜곽.재질대우화계단,인입다척도분석방법,이고사금자탑분해득도적다척도도상서렬대체고정척도적원시도상서렬고계고사혼합모형(GMM)삼수,장조조척도적역분할성여정세척도적정학성호보,사득산법이교소양본쾌속학정GMM삼수이집행Graph Cuts분할.령외,위료제고산법적분할속도,채용분수령산법산생일개구역린접도,이교소양본대체상소린접도.장본문방법、교호식Graph Cuts산법이급GrabCut방법응용우110례종괴병조도상시,분별획득1.57、3.46화5.01적평균오분솔.결과표명,상비우전통분할방법,본문제출적다척도방법구유경고적분할정도화로봉성.