基于图的脑组织磁共振图像分割方法  

Graph-Based Hierarchical Clustering Method for Automatic Brain MR Image Segmentation

作　　者：张竞丹[1,2] 

机构地区：[1]中山大学数学与计算科学学院,广东广州510275 [2]深圳信息职业技术学院电子通信技术系,广东深圳518029

出　　处：《中山大学学报（自然科学版）》2010年第2期53-59,共7页Acta Scientiarum Naturalium Universitatis Sunyatseni

基　　金：国家自然科学基金资助项目(10771220);教育部高校博士点科研基金资助项目(SRFDP-20070558043)

摘　　要：提出一种基于图的层次聚类算法实现脑组织磁共振图像的自动分割。首先,采用基于图的分割方法对脑组织MR图像进行初始分割。由于脑组织MR图像各类组织结构分布复杂,尤其是脑脊液和灰质区域细节信息丰富、结构变化多样,分割结果中存在过分割现象。因此,利用对偶树复小波变换高频子带信息构造基于图的分割方法中参数k的自适应取值函数,避免图像平滑区域分割后产生大量小区域。然后,以层次聚类算法合并分割得到的小区域,解决基于图的方法分割脑组织MR图像中存在的过分割问题。最后,通过大量真实脑组织MR图像实验证明该方法在脑组织MR图像分割中的准确性和稳定性。A graph-based hierarchical clustering （GBHC） method for brain MR image segmentation is presented. Firstly, the standard graph-based method is applied to produce a coarse segmentation of brain MR image. However, the segmentation result of the graph-based method is over-segmentation because of the complicated structure of brain. So, we apply an adaptive function to control the value of parameter k in the graph-based method, which integrates the information from the high-frequency subbands of dual- tree complex wavelet transform. Then, the hierarchical clustering method is used to merge the over-segmented regions in the segmentation result. The method is validated by extensive experiments using real Tl-weighted MR images, and compared with the state-of-the-art algorithms.

关 键 词：基于图的算法 对偶树复小波变换 图像分割 脑组织MR图像 层次聚类算法 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]