中山大学学报（自然科学版）
中山大學學報（自然科學版）
중산대학학보（자연과학판）
ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS SUNYATSENI
2010年
2期
53-59
,共7页
基于图的算法%对偶树复小波变换%图像分割%脑组织MR图像%层次聚类算法
基于圖的算法%對偶樹複小波變換%圖像分割%腦組織MR圖像%層次聚類算法
기우도적산법%대우수복소파변환%도상분할%뇌조직MR도상%층차취류산법
graph-based method%dual-tree complex wavelet transform%image segmentation%brain MR image%hierarchical clustering method
提出一种基于图的层次聚类算法实现脑组织磁共振图像的自动分割.首先,采用基于图的分割方法对脑组织MR图像进行初始分割.由于脑组织MR图像各类组织结构分布复杂,尤其是脑脊液和灰质区域细节信息丰富、结构变化多样,分割结果中存在过分割现象.因此,利用对偶树复小波变换高频子带信息构造基于图的分割方法中参数k的自适应取值函数,避免图像平滑区域分割后产生大量小区域.然后,以层次聚类算法合并分割得到的小区域,解决基于图的方法分割脑组织MR图像中存在的过分割问题.最后,通过大量真实脑组织MR图像实验证明该方法在脑组织MR图像分割中的准确性和稳定性.
提齣一種基于圖的層次聚類算法實現腦組織磁共振圖像的自動分割.首先,採用基于圖的分割方法對腦組織MR圖像進行初始分割.由于腦組織MR圖像各類組織結構分佈複雜,尤其是腦脊液和灰質區域細節信息豐富、結構變化多樣,分割結果中存在過分割現象.因此,利用對偶樹複小波變換高頻子帶信息構造基于圖的分割方法中參數k的自適應取值函數,避免圖像平滑區域分割後產生大量小區域.然後,以層次聚類算法閤併分割得到的小區域,解決基于圖的方法分割腦組織MR圖像中存在的過分割問題.最後,通過大量真實腦組織MR圖像實驗證明該方法在腦組織MR圖像分割中的準確性和穩定性.
제출일충기우도적층차취류산법실현뇌조직자공진도상적자동분할.수선,채용기우도적분할방법대뇌조직MR도상진행초시분할.유우뇌조직MR도상각류조직결구분포복잡,우기시뇌척액화회질구역세절신식봉부、결구변화다양,분할결과중존재과분할현상.인차,이용대우수복소파변환고빈자대신식구조기우도적분할방법중삼수k적자괄응취치함수,피면도상평활구역분할후산생대량소구역.연후,이층차취류산법합병분할득도적소구역,해결기우도적방법분할뇌조직MR도상중존재적과분할문제.최후,통과대량진실뇌조직MR도상실험증명해방법재뇌조직MR도상분할중적준학성화은정성.
A graph-based hierarchical clustering (GBHC) method for brain MR image segmentation is presented.Firstly,the standard graph-based method is applied to produce a coarse segmentation of brain MR image.However,the segmentation result of the graph-based method is over-segmentation because of the complicated structure of brain.So,we apply an adaptive function to control the value of parameter kin the graph-based method,which integrates the information from the high-frequency subbands of dual-tree complex wavelet transform.Then,the hierarchical clustering method is used to merge the over-segmented regions in the segmentation result.The method is validated by extensive experiments using real T1-weighted MR images,and compared with the state-of-the-art algorithms.
