基于显著性定位和动态自适应区域生长的HRMR图像斑块分割

来源 :计算机应用研究 | 被引量 : 15次 | 上传用户:cramzhou
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了解决HRMR图像斑块边界模糊及灰度不均匀造成的分割难问题,提出了一种结合显著性定位与改进动态自适应区域生长的斑块分割方法。使用非局部均值滤波算法、平滑梯度实现图像去噪与斑块模糊边缘增强;通过显著性检测获得显著图像,采用形态学开重构得到斑块定位图像;利用改进的动态自适应区域生长算法,实现颅内斑块的准确分割。本实验对象为34组脑血管狭窄患者的HRMR图像,通过与专家手动分割结果对比,斑块的平均分割准确度达到90.16%。研究结果表明,本方法不仅能够提高斑块的分割精度,完整地保留颅内斑块的弱边缘信息,
其他文献
分析和评估复杂分布式软件系统涉及到系统功能性需求以及性能、可用性和可靠性等多种质量属性,但目前的方法一般不能同时兼顾功能性需求和非功能性需求,且往往只能针对单个质量属性进行评估。提出一种基于DEVS(discrete event system specification)模型驱动的多质量属性仿真评估方法。使用扩展的SPDML(scheduled parallel DEVS modeling lan
为进一步提升基于支持向量机水印算法的鲁棒性,提出基于支持向量机的NSCT域自适应图像水印算法。其主要思想是根据图像自身特征生成自适应水印序列,利用模糊核聚类、支持向量机对NSCT低频系数进行分类,选取适合嵌入水印的低频系数,然后利用支持向量机建立NSCT邻域系数的关系模型,自适应地完成水印嵌入。算法具有良好的不可感知性和安全性,并且通过嵌入自适应水印序列达到全盲水印检测。实验结果表明,提出的算法对
针对社会网络信息传播的研究多集中于具体应用场景中的传播机制,而用户间关系所形成的网络拓扑结构对传播的影响却没有给予充分考虑,因此对信息扩散的分析应当综合考虑社会网络的传播机制和结构特征,把相关系数引入到割边模型可以有效解决重叠社团划分问题。在考虑社会网络拓扑结构特征的基础上,提出了基于代数连通性的社会网络影响传播最大化模型。模型以代数连通性为主要参量计算边的中心性,实现网络社区的快速划分,通过降维
马尔可夫聚类算法(MCL)为网络聚类问题提供了一个有效的方法,尤其是在社区问题和生物信息学方面。然而在MCL中矩阵的expansion是非常耗时的,因为两个大规模矩阵相乘的时间复杂度是n3,每个元素值的计算是独立的,所以expansion和inflation可以并行执行于多核GPU上。一个基本的马尔可夫聚类的并行实现需要使用全邻接矩阵来提高性能,该邻接矩阵通常是稀疏甚至是极大稀疏的。因此,为了优化
OpenFlow协议版本的更新带来流表项匹配域支持字段的增加,而表项匹配域支持的任意通配符依赖TCAM进行匹配处理,导致设备中的TCAM存储空间面临很大压力。为此,提出一种减小TCAM中流表存储空间的数学模型FICO(function-integral TCAM-saving compression model for flow table of OpenFlow)。FICO首先根据匹配域不同字段