[发明专利]一种基于标记融合的概率图形模型图像分割方法在审
| 申请号： | 201710249268.2 | 申请日： | 2017-04-17 |
| 公开（公告）号： | CN107194945A | 公开（公告）日： | 2017-09-22 |
| 发明（设计）人： | 刘刚;郭先堂;廖恒旭 | 申请（专利权）人： | 上海电力学院 |
| 主分类号： | G06T7/143 | 分类号： | G06T7/143;G06T7/174;G06T7/32 |
| 代理公司： | 上海科盛知识产权代理有限公司31225 | 代理人： | 宣慧兰 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于标记融合的概率图形模型图像分割方法，用以对脑部MR图像进行组织分割，该方法包括以下步骤1)将目标图像分别与训练图像库中的多幅训练图像进行配准，选取N幅训练图像，并且分别获取配准后的训练图像以及对应的形变场；2)对各配准后的训练图像进行手工分割并进行标记，根据形变场映射获得配准后的训练图像的候选标记；3)分别提取配准后的训练图像和目标图像的patch，并以此建立概率图形模型；4)根据概率图形模型，采用全局加权表决的标记融合算法和最大后验概率计算目标图像中每一个像素点处的标记值，完成对目标图像的分割。与现有技术相比，本发明具有精确分割、减少误差等优点。 | ||
| 搜索关键词： | 一种 基于 标记 融合 概率 图形 模型 图像 分割 方法 | ||
【主权项】：
一种基于标记融合的概率图形模型图像分割方法，用以对脑部MR图像进行组织分割，其特征在于，该方法包括以下步骤：1)将目标图像分别与训练图像库中的多幅训练图像进行配准，选取相似度由大到小排序的前N幅训练图像，并且分别获取配准后的训练图像以及对应的形变场；2)对各配准后的训练图像进行手工分割并对手工分割后的图像进行标记，根据形变场映射获得配准后的训练图像的候选标记；3)分别提取配准后的训练图像和目标图像的patch，并以此建立概率图形模型，包括高斯模型和先验模型；4)根据概率图形模型，采用全局加权表决的标记融合算法和最大后验概率计算目标图像中每一个像素点处的标记值，完成对目标图像的分割。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海电力学院，未经上海电力学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710249268.2/，转载请声明来源钻瓜专利网。
