基于GFO和标记点分水岭算法的医学图像分割

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于GFO和标记点分水岭算法的医学图像分割
- Segmentation of medical images based on GFO and marker-controlled watershed
- 光学技术 2008年第3期页码：338-340
- 作者机构：
  
  1. 1:南方医科大学生物医学工程学院
  2. 2:南方医科大学生物医学工程学院
  3. 3:南方医科大学生物医学工程学院
  4. 4:南方医科大学生物医学工程学院,广州,510515
- 作者简介：
- 基金信息：
  
  国家重点基础研究(973)发展计划(2003CB716104)
- DOI：
  中图分类号：
- 纸质出版：2008
- 稿件说明：
移动端阅览
程广斌, 郝立巍, 周寿军, 等. 基于GFO和标记点分水岭算法的医学图像分割[J]. 光学技术, 2008,(3):338-340.

Segmentation of medical images based on GFO and marker-controlled watershed[J]. 2008, (3): 338-340.
程广斌, 郝立巍, 周寿军, 等. 基于GFO和标记点分水岭算法的医学图像分割[J]. 光学技术, 2008,(3):338-340. DOI：

Segmentation of medical images based on GFO and marker-controlled watershed[J]. 2008, (3): 338-340. DOI：

传统的分水岭分割一般是在原始图像中根据边缘检测算子所得的边缘图进行计算

常规的边缘检测算子并没有引入图像的先验信息或形状约束。由于病理改变以及医学影像数据内在的模糊性

常规边缘检测算子很难引导分水岭算法收敛到正确的目标轮廓

由此导致传统分水岭算法容易受到图像噪声的干扰而"过分割"。在此情况下

提出利用基于广义模糊算子(GFO)的边缘检测算法来改进标记点分水岭分割。从实验结果看

提出的方法非常适合应用于临床医学图像分割。

浏览量

216

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

深浅交错式特征融合的人体图像分割方法

基于小波变换和残差网络的磁共振影像分割方法

基于多个密集连接型2D-CNNs的脑胶质瘤MRI三维分割

基于聚类算法的血管直径测量研究

一种眼底黄斑水肿OCT图像分割方法