论文部分内容阅读
本文采用基于各向异性与均值位移相结合的分割算法对医学图像进行分割。传统的mean shift算法基于放射均衡核估计局部密度，因此分割效果不够理想。
本文将图像分成色度和非色度通道，分别对这两个通道进行各向异性扩散，把扩散后生成的结果进行Anisotropic Kemel mean shift聚类，得到图像的最终分割结果。这一方法在有效抑制过分割现象的同时，保留了面积很小但对比度高的感兴趣区。实验结果表明，该算法稳健高效，整体效果符合人类视觉习惯，对医生进行癌症诊断有重要意义。