基于类自适应高斯-马尔可夫随机场模型与EM算法的MR图像分割.pdfVIP

维普资讯 第 13卷 第 3期 中国图象图形学报 Vo1．13，No．3 2008年 3月 JournalofImageandGraphics Mar．。2008 基于类 自适应高斯-马尔可夫随机场模型和 EM 算法的MR图像分割 王文辉 冯前进 刘 磊 陈武凡 (南方 医科大学医学图像处理重点实验室 ，广州 510515) 摘 要 高斯一马尔可夫随机场模型既利用 了图像像素的灰度信息，又通过像素类别标记 的Gibbs光滑先验概率引入 了图像 的空间信息，是能较好地分割含有噪声图像 的模型，然而 ，Gibbs惩罚因子 口的确定却一直是个难点，为获得好 的分割效果，通常用多个 卢值人工尝试。本文针对此问题，提出了一种新的、简单的、类 自适应的惩罚因子卢，其利用 后验概率来 自动计算 ，并具有各类各向异性。再将模型利用 EM—MAP算法来迭代求解 。最后，将该算法应用于 MR 图像的分割 ，实验结果表明，该算法能 自适应地、有效地分割噪声 图像 ，并具有较高的正确分类率和类正确分类率 。 关键词 高斯一马尔可夫随机场 类 自适应 惩罚因子 EM—MAP 图像分割 中图法分类号 ：TP391．41 文献标识码 ：A 文章编号 ：1006—8961(2008)03—0488—06 SegmentationofBrainM R ImagesThrough Class-adaptiveGauss-M arkov Random FieldM odelandtheEM Algorithm WANGWen-hui，FENGQian-jin，LiuLei，CHENWu—fan (KeyLaboratoryofMedicalImageProcessing，SouthernMedialUniversity，Guangzhou510515) Abstract Gauss—Markovrandom fieldmodeltakesadvantageofboth imageintensityand spatialinformation imposedby Gibbssmoothnesspriortothepixellabelsandthuscanbeused toeffectivelyinsegmentingthenoisyimages．Howeveritis alwaysdifficulttoconfirm theGibbspenaltyfactor口．Asusual，togetgoodsegmentationresultforeverysegmenting—to—be image，variousvaluesof口willbetestedbyhand．Sotosolvethisproblem，thisarticledefinesanew andsimpleclass—adap— tive penalty factor卢．It is automatically calculated from the posterior probability and is anisotropic for each class．FurthermorethemodeliterativelyobtainstheirparametersestimationintheEM—MAP algorithm．Finally，byapplication ofthisalgorithm tobrainMR Imagesegmentation，theproposedsegmentationschemeisprovedeffectiveofrnoisyimageand atthesame