資源描述：
《基于核聚類算法和模糊Markov隨機(jī)場(chǎng)模型的腦部MR圖像的分割》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第14卷第9期中國(guó)圖象圖形學(xué)報(bào)Vo.l14,No.92009年9月JournalofImageandGraphicsSep.,2009基于核聚類算法和模糊Markov隨機(jī)場(chǎng)模型的腦部MR圖像的分割廖亮林土勝(華南理工大學(xué)電子與信息學(xué)院,廣州510641)摘要為了更有效地對(duì)被噪聲污染的腦部MR圖像進(jìn)行分割,提出了一種基于模糊核聚類和模糊Markov隨機(jī)場(chǎng)的腦部MR圖像分割算法。該算法在使用高斯徑向基函數(shù)的核聚類目標(biāo)函數(shù)中,引入了基于Markov隨機(jī)場(chǎng)的補(bǔ)償項(xiàng),作為分割算法的空間約束。這種空
2、間補(bǔ)償項(xiàng)用Gibbs分布描述,實(shí)際上是一種歸一化的核函數(shù),其和用來度量灰度特征的核函數(shù)的形式是相似的,并且這種空間約束利用了分割結(jié)果的模糊信息。這種基于核函數(shù)和Markov隨機(jī)場(chǎng)模型的算法克服了傳統(tǒng)聚類以及核聚類算法的缺陷,不僅提出了更加合理的空間約束,而且改善了原有的分割模型,因此可以得到更加分段光滑的聚類結(jié)果。通過對(duì)合成圖像、模擬MR圖像以及臨床MR圖像進(jìn)行的分割實(shí)驗(yàn)以及和標(biāo)準(zhǔn)分割結(jié)果的比較表明,該算法優(yōu)于相關(guān)算法,可以有效地分割被污染的MR圖像。關(guān)鍵詞MR圖像分割核聚類算法模糊Mark
3、ov場(chǎng)空間約束中圖法分類號(hào):TP39141文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1006-8961(2009)09-1732-07AKernelizedFuzzyC-meansClusteringUsingFuzzyMarkovRandomFieldModelforBrainMRImageSegmentationLIAOLiang,LINTu-sheng(SchoolofElectronicandInformationEngineering,SouthChinaUniversityofTechnol
4、ogy,Guangzhou510641)AbstractInordertomoreeffectivelysegmentnoise-corruptedbrainMRIimages,akernelizedclusteringalgorithmusingfuzzyMarkovrandomfield(MRF)modelisproposedTheproposedalgorithmisimplementedbyincorporatingtheMRFbasedspatialconstraintsasareg
5、ularizationtermtotheobjectivefunctionofthekernelizedfuzzyC-meansclustering(FCM).ThespatialconnectivitymodeledbytheGibbsdistributionisactuallyformulatedasanormalizedGaussianradiusbasisfunction(GRBF),andverysimilartothekernelfunctionusedtomeasuretheinte
6、nsityfeatureofimagedataDuetotheintroductionoffuzzyinformationinthespatialconstraints,theMRFandGRBFbasedclusteringalgorithmimprovesthesegmentationmodelandusuallyoutperformstheconventionalintensitybasedFCMmethodandthecorrespondingkernelizedclusteringme
7、thodThemodifiedalgorithmcaninclinethesolutiontoapiecewisesmoothersegmentationresultExper-imentsonsyntheticdata,simulatedandrealclinicalMRimagesandtheresultcomparisonswithgroundtruthshowthepro-posedalgorithmissuperiortoitsrivalsandiseffectivetosegmen
8、tMRdatacorruptedbynoiseKeywordsMRimagesegmentation,kernelizedclustering,fuzzyMarkovrandomfield,spatialconstraints基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目(60472006);廣東省自然科學(xué)基金團(tuán)隊(duì)項(xiàng)目(04205783)收稿日期:2007-04-24;改回日期:2007-12-05第一作者簡(jiǎn)介:廖亮(1975~),男?，F(xiàn)為華南理工大學(xué)在讀博士研究生。研究方向?yàn)閳D像處理、模
