基于非参数化概率模型的CT肝脏图像分割  

Segmentation of Liver CT Image Based on Nonparametric Density Estimates

作　　者：刘长征[1] 马军林[1] 

机构地区：[1]哈尔滨理工大学计算机科学与技术学院,黑龙江哈尔滨150080

出　　处：《哈尔滨理工大学学报》2008年第4期62-65,共4页Journal of Harbin University of Science and Technology

基　　金：黑龙江省教育厅科学技术研究项目(11511070)

摘　　要：将肝脏组织从CT图像中提取出来是肝脏图像处理的重要环节.本文利用非参数化概率模型构造水平集演化的速度函数,提出了一种改进的肝脏CT图像分割方法,得到了较好的分割结果.对肝脏CT图像进行分割的实验表明,该方法准确度高、抗噪性能良好.Segment liver tissue from other tissues in CT images, as skull stripping methods, has become an important step in image analyze. In this paper, a new speed function based on Nonparametric Density Estimates, is presented. The experiments to segment the liver CT images show that with the new speed function, the adapted Level Set model can get better results.

关 键 词：非参数化密度函数 灰度直方图 水平集 

分 类 号：TP75[自动化与计算机技术—检测技术与自动化装置] R44[自动化与计算机技术—控制科学与工程]