辽宁石油化工大学学报 ›› 2023, Vol. 43 ›› Issue (1): 89-96.DOI: 10.12422/j.issn.1672-6952.2023.01.015
• 信息与控制工程 • 上一篇
Guoliang Wang(), Yunshuai Ren, Yang Wang
摘要:
高斯混合模型(GMM)易受噪声影响,马尔科夫随机场(MRF)模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割,但MRF模型用于图像分割时,容易出现过分割现象。针对这个问题,提出一种自适应权值系数的图像分割改进算法,从核磁共振成像(MRI)中较好地分割出脑脊液、灰质和白质组织。首先,使用K?means算法得到初始分割结果,通过期望最大化算法(EM)估计GMM参数,进而得到图像像素灰度的联合概率能量函数。然后,利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数,使用MRF模型得到先验概率能量函数。最后,借助贝叶斯准则得到最终图像分割结果。实验结果表明,该算法具有较强的自适应性,能够较好地克服噪声对图像分割的影响织。与同类算法相比,该算法对含有噪声的脑部MRI图像具有较高的分割精度,可得到较好的图像分割结果。
中图分类号:
王国良, 任允帅, 王阳. 一种基于马尔科夫随机场的脑MR图像分割改进算法[J]. 辽宁石油化工大学学报, 2023, 43(1): 89-96.
Guoliang Wang, Yunshuai Ren, Yang Wang. An Improved Brain MR Image Segmentation Algorithm Based on Markov Random Field[J]. Journal of Liaoning Petrochemical University, 2023, 43(1): 89-96.