科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2014年
24期
108-114
,共7页
脑部磁共振%图像分割%马尔可夫链蒙特卡尔%克隆选择算法%隐马尔可夫随机场
腦部磁共振%圖像分割%馬爾可伕鏈矇特卡爾%剋隆選擇算法%隱馬爾可伕隨機場
뇌부자공진%도상분할%마이가부련몽특잡이%극륭선택산법%은마이가부수궤장
brain magnetic resonance%images segmentation%Markov chain Monte Carlo%Clonal selection algorithm%hidden Markov random field
针对脑部磁共振(MR)图像分割问题,提出了一种基于克隆选择算法(CSA)和隐马尔可夫随机场(HMRF)的融合方法.首先,采用马尔可夫链蒙特卡尔(MCMC)算法对类标签进行估计,进行体素分类;然后,对分割结果进行偏场校正;最后,利用CSA的统计学进行HMRF模型参数估计,并利用迭代优化算法获得最终的分割结果.由于MCMC和CSA都是全局优化技术,所以HMRF-CSA算法能够克服传统HMRF方法的局部收敛以及较低分割精度的缺点.在仿真脑部MR图像集Brain-Web上的实验结果表明,对于主要脑部结构,算法的分割精度高于其他几种算法;且对图像伪影具有鲁棒性.
針對腦部磁共振(MR)圖像分割問題,提齣瞭一種基于剋隆選擇算法(CSA)和隱馬爾可伕隨機場(HMRF)的融閤方法.首先,採用馬爾可伕鏈矇特卡爾(MCMC)算法對類標籤進行估計,進行體素分類;然後,對分割結果進行偏場校正;最後,利用CSA的統計學進行HMRF模型參數估計,併利用迭代優化算法穫得最終的分割結果.由于MCMC和CSA都是全跼優化技術,所以HMRF-CSA算法能夠剋服傳統HMRF方法的跼部收斂以及較低分割精度的缺點.在倣真腦部MR圖像集Brain-Web上的實驗結果錶明,對于主要腦部結構,算法的分割精度高于其他幾種算法;且對圖像偽影具有魯棒性.
침대뇌부자공진(MR)도상분할문제,제출료일충기우극륭선택산법(CSA)화은마이가부수궤장(HMRF)적융합방법.수선,채용마이가부련몽특잡이(MCMC)산법대류표첨진행고계,진행체소분류;연후,대분할결과진행편장교정;최후,이용CSA적통계학진행HMRF모형삼수고계,병이용질대우화산법획득최종적분할결과.유우MCMC화CSA도시전국우화기술,소이HMRF-CSA산법능구극복전통HMRF방법적국부수렴이급교저분할정도적결점.재방진뇌부MR도상집Brain-Web상적실험결과표명,대우주요뇌부결구,산법적분할정도고우기타궤충산법;차대도상위영구유로봉성.
