基于统计聚类与无向图模型的医学图像分割

作者：夏平; 王塽; 任强; 雷帮军

来源：现代电子技术, 2022, 45(05): 61-66.

DOI：10.16652/j.issn.1004-373x.2022.05.011

• 医学图像分割
• 统计聚类
• 无向图模型
• 区域定位
• 标记场建模
• 特征场建模

超声医学图像灰度集中、对比度较差，针对传统分割方法效果不理想的问题，提出统计聚类与马尔科夫随机场（MRF）无向图模型的医学图像分割算法。医学图像的统计结构反映了图像空间区域的聚类特征，选定其灰度统计特性的局部峰值对应的灰度值作为K均值算法的初始聚类中心能较好地定位各区域，应用基于统计信息的聚类算法对医学图像进行初始分割；在此基础上构建各区域的无向图模型，建模二阶邻域系统描述像素标记间联系，医学图像的整体特征场采用高斯混合模型表征，并采用高斯模型建模标记相同的灰度特征场；最后，求解其局部能量最小的标记场，实现医学图像分割。实验结果表明，相比于传统的K均值算法、迭代算法以及Otsu算法，文中算法分割的医学图像的边缘与细节的清晰度、精细度均有一定程度改善。

• 单位
  三峡大学