文献类型：期刊文章

作　　者：范虹[1] 张程程[1] 侯存存[1] 朱艳春[2] 姚若侠[1]

FAN Hong;ZHANG Cheng-cheng;HOU Cun-cun;ZHU Yan-chun;YAO Ruo-xia(School of Computer Science, Shaanxi Nornuil University, Xi' an, Shaanxi 710062, China;Institute of Biomedical and Health Engineering, Shenzhen Institutes of Advanced Technology, The Chinese Academy of Sciences, Shenzhen, Guangdong 518055 , China)

机构地区：[1]陕西师范大学计算机科学学院,陕西西安710062 [2]中国科学院深圳先进技术研究院生物医学与健康工程研究所,广东深圳518055

出　　处：《电子学报》

基　　金：国家自然科学基金(No.11471004);陕西省重点研发展计划(No.2018SF-251);陕西省自然科学基金(No.2014JM2-6115)

年　　份：2019

卷　　号：47

期　　号：10

起止页码：2149-2157

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割.

关 键 词：乳腺MR图像分割  双树复小波变换 双变量模型 超像素分类  密度峰值快速搜索聚类  

分 类 号：TP391]