结合SCoW的改进FLICM医学图像分割研究

来源 :计算机应用研究 | 被引量 : 3次 | 上传用户:lixjiea875623
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提高医学图像的分割精度和分割效率,针对模糊局部C-均值(fuzzy local information C-means,FLICM)系列算法分割效率低、局部空间信息描述不够准确的问题,提出结合空间约束分水岭(spatial-constrained watershed,SCo W)的改进FLICM分割算法。首先对图像进行SCo W预处理分块,压缩预处理数据;然后修正细分割处理,提取各超像素块的均值特征;最后设计一种改进的FLICM算法对各超像素块进行聚类,完成图像分割。与原FLICM算法相比,结合
其他文献
传统图像插值方法往往只考虑了图像局部相邻像素之间的关系进行插值,忽略了图像中广泛存在的非局部自相似性。为了充分利用图像中的这种非局部自相似性以提高插值图像质量,提出了基于图像非局部低秩重建模型的图像插值方法,为低秩重建模型提出了一种基于分解为子问题交替迭代求解的高效求解算法。提出的算法能获得更高的主观与客观重建图像质量,实验表明,相对于Bicubic、SAI等图像插值方法能取得平均1.37d B和
针对环境约束的不确定轨迹数据的频繁路径问题,设计了一种适应于严格时间约束条件下基于环境约束的位置不确定的移动概率序列挖掘算法(UETFP-Prefix Span)。算法通过设置类标号把不同环境下的不确定轨迹数据区分开,利用概率支持度对频繁项集进行了重新定义,通过减少某些特定序列模式生成过程的扫描,来减少投影数据库的规模及扫描投影数据库的时间,提高算法效率。测试实验结果表明,改进后的UETFP-Pr
【正】在我国,手机市场的竞争用“残酷”两字来形容一点也不为过。众多国内外厂商云集一起,你争我打,好不热闹,有输有赢,悲喜各异。在这场竞争中,最大的赢家还是普通的用户,
针对相关滤波器在目标跟踪过程中因亮度变化导致输出失效的问题,提出了一种基于视频亮度优化的相关滤波跟踪方法。该方法采用变异及种群多样化策略,提升了粒子群算法的全局寻优能力。通过建立视频序列平均亮度与相关滤波器输出结果方差之间的映射关系,获得不同亮度条件下相关滤波器输出方差的最佳表达;同时,通过计算相邻搜索框之间的相似度来确定相关滤波器模板的更新速度,减少了跟踪失效的概率和计算量。实验证明,优化后的跟