-
公开(公告)号：CN106709921B
公开(公告)日：2020-06-09
申请号：CN201611242922.9
申请日：2016-12-29
Applicant: 华侨大学
IPC: G06T7/11
Abstract: 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。
-
公开(公告)号：CN106504254B
公开(公告)日：2020-03-10
申请号：CN201610903015.8
申请日：2016-10-17
Applicant: 华侨大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间混合模型的颅脑磁共振图像分割方法，包括：对输入的颅脑磁共振图像进行预处理，得到剔除非脑部组织后的图像；将预处理后的图像数据转换成行向量作为输入向量；对向量化后的图像数据利用基于空间关系的Inverted Dirichlet混合模型进行建模，并采用k‑means方法进行模型的初始化；采用贝叶斯变分推导技术估算混合模型的相关参数；通过计算后验概率从而确定各个像素点的所属类别，并得到新的标签向量；将标签向量作为输出向量并转换成灰度矩阵，从而得到最终的分割结果。本发明的技术方案对颅脑磁共振图像的分割效果出色、鲁棒性强，能够提高医学影像诊断的准确性。
-
公开(公告)号：CN106709921A
公开(公告)日：2017-05-24
申请号：CN201611242922.9
申请日：2016-12-29
Applicant: 华侨大学
IPC: G06T7/11
CPC classification number: G06T2207/10024
Abstract: 本发明涉及一种基于空间Dirichlet混合模型的彩色图像分割方法，所提出的统计模型基于Dirichlet混合模型，Dirichlet分布是一个多元泛化的Beta分布，对比其他分布(例如：高斯分布、)它能够包含对称与非对称模态，因此可以灵活处理各种图像以及体现出较好的分割准确率。本发明在Dirichlet混合模型中融入空间邻域特征，从而体现出较好的鲁棒性。在求解Dirichlet混合模型参数过程中，本发明采用基于变分贝叶斯推断的方法，使得模型求解更加准确高效。克服了现有技术的方法采用的最大似然估计(ML)和最大后验概率估计(MAP)存在的不足：这些方法通常容易在求解模型过程中陷入局部极小值，而且会造成迭代次数过多。
-
公开(公告)号：CN106504254A
公开(公告)日：2017-03-15
申请号：CN201610903015.8
申请日：2016-10-17
Applicant: 华侨大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于空间混合模型的颅脑磁共振图像分割方法，包括：对输入的颅脑磁共振图像进行预处理，得到剔除非脑部组织后的图像；将预处理后的图像数据转换成行向量作为输入向量；对向量化后的图像数据利用基于空间关系的Inverted Dirichlet混合模型进行建模，并采用k-means方法进行模型的初始化；采用贝叶斯变分推导技术估算混合模型的相关参数；通过计算后验概率从而确定各个像素点的所属类别，并得到新的标签向量；将标签向量作为输出向量并转换成灰度矩阵，从而得到最终的分割结果。本发明的技术方案对颅脑磁共振图像的分割效果出色、鲁棒性强，能够提高医学影像诊断的准确性。
-
-
-
Search Results
4
records
(took 0.039 seconds)
