基于稀疏表示超像素分类的肿瘤超声图像分割算法
作者：杨俊岭 整理 来源： 日期：2016-05-11
导读
近期，武汉大学物理科学与技术学院研究人员发表论文，旨在图像中目标的识别与分割一直是图像处理的研究热点。本文针对超声图像提出了一种新的基于超像素区域特征的肿瘤识别分割算法。研究指出，本文的分割算法克服了SRC算法不能获得目标区域完整轮廓的缺陷，并取得了较好的实验结果，为超声图像中肿瘤的识别与分割提供了新思路。该文发表在2015年第06期《中国医学物理学杂志》上。 首先利用简单线性迭代聚类算
近期，武汉大学物理科学与技术学院研究人员发表论文，旨在图像中目标的识别与分割一直是图像处理的研究热点。本文针对超声图像提出了一种新的基于超像素区域特征的肿瘤识别分割算法。研究指出，本文的分割算法克服了SRC算法不能获得目标区域完整轮廓的缺陷，并取得了较好的实验结果，为超声图像中肿瘤的识别与分割提供了新思路。该文发表在2015年第06期《中国医学物理学杂志》上。
首先利用简单线性迭代聚类算法产生超像素，将图像分为多个内部特征相似的图像块，然后提取每个区域的特征组成该区域特征向量，利用稀疏表示分类算法（Sparse Representation Classification，SRC）构造分类器，对超像素进行分类合并，最终识别并分割出完整的感兴趣区域。
本文的算法在超声图像中肿瘤的识别与分割中取得较为理想的效果，灵敏度指数平均值达到了83.79%，标准化的Hausdorff距离指数平均值达到了4.80%。
相关链接：http://c.g.wanfangdata.com.cn/Periodical-zgyxwlxzz.aspx
分享：
相关文章
评论
我要跟帖
发表
回复
小鸭梨：
发表
