基于多小波分析与SOFM的MR图像分割算法研究

有效地实现MRI脑图像的分割是临床疾病诊断的一个难题.针对目前MRI脑图像分割算法在图像分割的速度和精度上不理想的问题,提出了一种将多小波分析与SOFM相结合的MWSOFM算法.该算法先对MRI脑图像进行多小波分解得到小波系数金字塔,再用SOFM算法对图像从塔顶开始从上往下逐层进行聚类,最终得到分割结果.对不同分辨率的MRI脑图像的仿真实验表明,在高分辨率的情况下,MWSOFM不但加快了分割的速度,而且提高了聚类精确度,分割效果得到明显改善.     

一种基于平衡多小波分析与SOFM的图像分割算法研究

针对目前MRI脑图像分割算法在图像分割速度和精度上不理想的问题,提出了一种将平衡多小波分析与SOFM相结合的BMSOFM算法。该算法在对MRI脑图像进行平衡多小波分析的基础上,用SOFM对图像聚类,最终得到分割结果。对不同分辨率的MRI脑图像的仿真实验表明,在高分辨率的情况下,BMSOFM不但加快了分割的速度,而且提高了聚类精确度,分割效果得到明显改善。     

基于模糊熵的改进型PCNN图像分割方法

针对传统的PCNN在图像分割中需要设定大量的参数,并且分割的最佳迭代次数无法自动确定等问题,简化了传统PCNN模型的接受部分,改进了PCNN的连接部分,改变了PCNN的阈值衰减方式,并利用最大模糊熵作为最佳分割迭代次数的判定准则,提出了一种新的PCNN改进模型,从而实现了PCNN的自动精确分割.对各类图像的实验结果表明,该方法能够自动确定循环迭代次数和自动选取最佳阈值,与基于最大香农熵的PCNN分割方法相比,该方法具有收敛速度快、分割精度高、分割效果好等特点.     

基于改进的TGSOM图像分割算法研究

针对MRI图像的噪声较多、传统的SOFM必须预置参数、训练过程中网络结构固化、不能灵活调整及多小波需要进行预滤波等问题,为提高去噪效果,提出了一种基于改进的TGSOM的图像分割算法BTSOFM.在改进TGSOM基本模型的基础上,使用平衡多小波对MRI图像进行去噪处理,再用改进的TGSOM算法对小波系数金字塔进行逐层聚类,最后得到分割结果.仿真实验表明,算法不但加快了分割的速度,而且提高了聚类精确度,图像的可视化效果较好,分割效果得到明显改善.