基于Hessian矩阵特征值聚类的脑血管分割方法
为了从医学图像中获取准确的脑血管信息,提出了一种新颖的基于Hessian矩阵和聚类思想的脑血管分割方法.利用非局部均值滤波方法对原始医学图像数据进行预处理,减少了成像过程中产生的噪声对血管分割的干扰.利用多尺度邻域信息来计算各像素点的Hessian矩阵.求取其特征值并构造为一个向量.对各像素点的特征值组成的向量利用k-means方法进行聚类并最终得到血管类的像素毛实验结果表明:基于Hessian矩阵特征值聚类的方法分割得到的结果能够包含所有的脑血管点,在之后的工作中可在此分割的基础上再进行精细加工,得到更为精确的血管数据,这将对基于Hessian矩阵的脑血管分割方法研究有着深远的意义.
脑血管 图像分割 黑塞矩阵 特征值聚类
曹容菲 王醒策 武仲科 周明全 田沄 刘新宇
北京师范大学信息科学与技术学院,北京 100875 中国科学院计算技术研究所,北京 100190
国内会议
沈阳
中文
2104-2109,2115
2014-08-30（万方平台首次上网日期，不代表论文的发表时间）