基于最大熵和改进PCNN的医学图像自动分割算法研究与实现
 |
| 第1页 |
参见附件(1939KB，3页)。
常学锋 颜雁 高长斌 师为礼 刘国辉 吉林省中医药科学院;长春理工大学;吉林大学第三医院高干病房;
【摘要】本文提出了基于最大熵和改进的PCNN(Pulse Coupled Neural Network)相结合的新方法,采用最大熵确定PCNN网络的循环迭代次数。提出的方法无需考虑PCNN参数的选择,可有效的自动分割各种医学图像,同时利用最大熵得到最优分割结果。该方法对于PCNN理论在医学图像分割领域的应用有着重要的意义。
【关键词】 最大熵 脉冲耦合神经网络 医学图像分割
【分类号】TP391.41
1前言图像分割是从图像处理到图像分析的关键步骤,准确、鲁棒和快速的图像分割,是定量分析、三维可视化等后续环节之前的最重要步骤,如何更有效、自适应地实现图像分割一直是困扰人们的一个难题[1]。由于诸多原因,如成像设备的物理热噪声、场偏移效应、局部体效应、心肌的快
------
1 前言
图像分割是从图像处理到图像分析的关键步骤，准确、鲁棒和快速的图像分割，是定量分析、三维可视化等后续环节之前的最重要步骤，如何更有效、自适应地实现图像分割一直是困扰人们的一个难题。由于诸多原因，如成像设备的物理热噪声、场偏移效应、局部体效应、心肌的快速运动和血液的流动，医学图像不可避免的具有模糊、边界和区域特征不明显等特点。
您现在查看是摘要介绍页，详见PDF附件(1939KB，3页)。