基于高斯混合模型的脑部MR图像自动分割  

Auto Segmentation of Brain MR Image Based on Gaussian Mixture Model Diffusion

作　　者：张建伟[1] 陈允杰[1] 夏德深[1] 

机构地区：[1]南京理工大学计算机系

出　　处：《计算机工程与应用》2006年第24期207-210,共4页Computer Engineering and Applications

基　　金：香港特区政府研究资助局研究项目(编号:CUHK/4180/01E;CUHK/1/00C)

摘　　要：将脑部组织从MR图像中提取出来是脑部图像处理的一个重要环节,如何精确地将脑组织从非脑组织中分离出来成为研究的难点。传统的水平集方法仅依赖梯度信息,由于脑部图像含有噪音、过度区域等因素的影响,使得分割效果不是很理想。文章提出了一种脑部MR图像的自动分割方法,它利用模糊各向异性扩散方法对图像进行平滑,结合直方图分析得到了图像的全局信息自动构造初始曲线,并利用高斯混合模型构造水平集演化的速度函数,得到较好的分割结果。对脑部MR图像分割的实验表明该方法准确度高、抗噪性能良好。Segment brain tissue from other tissues in brain MR images,as skull stnpping methods,has become an important step in image analyze.Traditional Level Set method,which has been used in image segmentation widely,only uses gradient information during segmenting.So it is hard to get the results when be used to segment the brain images, which usually have strong noise or weak edges.In this paper,a new speed function,which based on diffusion function, Gaussian mixture model and global information,is presented.The experiments to segment the brain MR images show that with the new speed function,the adapted Level Set model can get better results.

关 键 词：各向异性扩散 高斯混合模型 水平集 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]