主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张红梅,袁泽剑,蔡忠闽,卞正中.基于层次MRF的MR图像分割.软件学报,2002,13(9):1779-1786
基于层次MRF的MR图像分割
Segmentation of MRI Using Hierarchical Markov Random Field
投稿时间:2002-02-01  修订日期:2002-04-29
DOI:
中文关键词:  层次马尔科夫随机场  有限高斯混合体  图像分割  核磁共振图像  最大后验估计
英文关键词:hierarchical Markov random field  SFNM  image segmentation  MRI  MAP
基金项目:Supported by the National Natural Science Foundation of China under Grant No.60071029 (国家自然科学基金) and the Creative Research Group Science Foundation of China under Grant No.60024301(国家创新研究群体科学基金)
作者单位
张红梅 西安交通大学,生命科学与技术学院,陕西,西安,710049 
袁泽剑 西安交通大学,生命科学与技术学院,陕西,西安,710049 
蔡忠闽 西安交通大学,生命科学与技术学院,陕西,西安,710049 
卞正中 西安交通大学,生命科学与技术学院,陕西,西安,710049 
摘要点击次数: 3088
全文下载次数: 3684
中文摘要:
      核磁共振图像(MRI)的定量分析在神经疾病的早期治疗中有很重要作用.提出了一种基于层次Markov随机场模型的MRI图像分割新方法.在高层次的标记图象中采用了混合模型,即区域的内部用各向同性均匀MRF来建模,边界用各向异性非均匀MRF来建模.所以方向性被引入到边界信息中,这样可以更准确的表达标记图象的特性;在低层次的像素图像中,不同区域中像素的灰度分布用不同的高斯纹理来描述.分割问题可以被转换成一种最大后验概率估计问题.采用基于直方图的DAEM算法来估计SNFM参数的全局最优值;并基于MRF先验参数的实际意义,提出一种近似的方法来简化这些参数的估计,实验显示该方法能获得更好的结果.
英文摘要:
      Magnetic Resonance Image (MRI) segmentation plays a major role in the tissue quantitative analysis which benefits the early treatment of neurological diseases. In this paper, a new approach to MRI segmentation based on hierarchical Markov random field (MRF) model is proposed: In higher-level MRF, a new mixture model is presented to describe the label image, that is, the interior of region is modeled by homogenous and isotropic MRF while the boundary is modeled by inhomogeneous and anisotropic MRF. So the orientation is incorporated into the boundary information and the characteristic of label image can be more accurately represented. In lower-level MRF, the different Gauss texture is filled in each region to describe pixel image. Then the segmentation problem is formulated as Maximum a Posterior Probability (MAP) estimation rule. A histogram based DAEM algorithm is used, which is able to find the global optima of the standard finite normal mixture (SFNM) parameters. Based on the meaning of prior MRF parameter, an approximate method is proposed to simplify the estimation of those parameters. Experiments on the pathological MRI show that our approach can achieve better results.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利