论文研究-基于混合高斯模型MRF场的CT图像分割.pdf下载

weixin_39821051 2019-12-21 07:00:11

提出了一种基于混合高斯模型的马尔可夫随机场CT图像分割方法。此方法根据工业CT图像的特点，建立混合高斯逼近的图像灰度统计模型；用混合高斯模型作为Markov随机场的先验模型，提出混合高斯Markov随机场分割模型。实验表明，该方法较单高斯模型有很大的改善，对工业CT图像分割效果好。
相关下载链接：//download.csdn.net/download/weixin_39840387/11409402?utm_source=bbsseo

...全文

9 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

提出了一种基于混合高斯模型的马尔可夫随机场CT图像分割方法。此方法根据工业CT图像的特点，建立混合高斯逼近的图像灰度统计模型；用混合高斯模型作为Markov随机场的先验模型，提出混合高斯Markov随机场分割模型。实验表明，该方法较单高斯模型有很大的改善，对工业CT图像分割效果好。

针对复杂背景下的合成孔径雷达（SAR）图像的分割问题，提出一种基于非降采样Contourlet变换（NSCT）域马尔可夫（MRF）模型的算法。该算法综合利用了MRF模型在影像分割中的优势和图像的多分辨率描述的信息，采用高斯混合模型建模各个尺度的特征场，Potts模型建模各个尺度的标记场，大尺度的分割结果直接投影到小尺度上，作为分割的初始结果。实验部分与经典的阈值分割算法和马尔可夫分割算法进行比较、分析，结果表明该算法可准确地分割目标，同时保留目标的细节信息。

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象，提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型，建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递，有效解决了区域BP算法的计算量大的问题。实验结果表明，与常规区域BP算法相比，提出的分割方法具有更快的分割速度和精度。

MATLAB R2021b中基于隐马尔可夫-高斯混合模型-EM算法的图像分割算法实践研究：程序、数据与参考一体压缩包,MATLAB环境下基于隐马尔可夫模型-高斯混合模型-期望最大化的图像分割算法算法运行环境为MATLAB R2021b，使用期望最大化（EM）算法进行图像分割，并同时依赖于高斯混合模型（GMM）和马尔可夫随机场（MRF）模型。压缩包＝程序+数据＋参考。 ,MATLAB环境;隐马尔可夫模型;高斯混合模型;期望最大化;图像分割算法;MATLAB R2021b;EM算法;GMM;MRF模型;压缩包。,MATLAB R2021b下GMM-HMM-EM算法图像分割压缩包

下载资源悬赏专区

13,655

社区成员

12,609,447

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章