结合双树复小波变换和改进密度峰值快速搜索聚类的乳腺MR图像分割

发布时间：2021-11-15 16:58

　　针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波（DTCWT）变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类（SLIC）算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类（KNN-DPC）算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割. 

【文章来源】：电子学报. 2019,47(10)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
1 引言
2 相关工作
    2.1 双树复小波域双变量模型
    2.2 KNN-DPC算法
3 基于DTCWT和改进KNN-DPC(DTCWT+IKNN-DPC)的乳腺MR图像分割
    3.1 KNN-DPC算法图像分割的问题
    3.2 DTCWT+IKNN-DPC算法
        3.2.1 改进DTCWT-BS的图像去噪
        3.2.2 SLIC算法改进的KNN-DPC算法(IKNN-DPC)
        3.2.3 DTCWT+IKNN-DPC算法实现
4 算法性能分析
    4.1 去噪性能分析
    4.2 分割精度分析
    4.3 时间复杂度分析
5 临床乳腺MR图像分割分析
6 结论


【参考文献】：
期刊论文
[1]基于softmax回归与图割法的脑肿瘤分割算法[J]. 葛婷,牟宁,李黎.  电子学报. 2017(03)
[2]K近邻优化的密度峰值快速搜索聚类算法[J]. 谢娟英,高红超,谢维信.  中国科学:信息科学. 2016(02)
[3]多分辨率水平集算法的乳腺MR图像分割[J]. 范虹,朱艳春,王芳梅,张旭梅.  物理学报. 2014(11)
[4]局部熵驱动的GAC模型在生物医学图像分割中的应用[J]. 王顺凤,冀晓娜,张建伟,陈允杰,方林.  电子学报. 2013(12)
[5]Rician噪声水平场的估计及其在MR图像去噪中的应用[J]. 余丽玲,阳维,冯衍秋,刘闽,冯前进,陈武凡.  中国生物医学工程学报. 2013(05)
[6]核磁共振骨皮质成像关键技术研究进展[J]. 包尚联,杜江,高嵩.  物理学报. 2013(08)
[7]基于双树复小波与波原子的图像扩散滤波[J]. 刘金华,佘堃.  物理学报. 2011(12)
[8]一种基于FCM和Level Set的MRI医学图像分割方法[J]. 陈志彬,邱天爽.  电子学报. 2008(09)



本文编号：3497169