为了综合分析各类特征值对于适配区选取的影响,提出了一种通过因子分析,将多种特征值综合为少数几个因子,以此确定影响适配区选取参数的方法。首先将整个区域划分为15个子区域,计算每个子区域的各类特征值,利用因子分析的方法统计各区...为了综合分析各类特征值对于适配区选取的影响,提出了一种通过因子分析,将多种特征值综合为少数几个因子,以此确定影响适配区选取参数的方法。首先将整个区域划分为15个子区域,计算每个子区域的各类特征值,利用因子分析的方法统计各区域得分。然后,根据得分情况确定适配区选择顺序。最后,对比验证基于因子分析选出的适配区匹配定位精度。仿真结果显示,基于因子分析选取的适配区总体定位精度为0.45 n mlie,优于传统的主成分分析法,表明利用因子分析来选取重力适配区是一种可行的方法。展开更多
为提取人体肝脏CT图像中的肿瘤区域,提出一种基于动态自适应区域生长的算法进行肿瘤分割.通过自适应区域生长算法对CT图像进行预分割,得到感兴趣区域(region of interest,ROI),利用数学形态学滤波填充ROI中的空洞区域,最终提取肿瘤区域...为提取人体肝脏CT图像中的肿瘤区域,提出一种基于动态自适应区域生长的算法进行肿瘤分割.通过自适应区域生长算法对CT图像进行预分割,得到感兴趣区域(region of interest,ROI),利用数学形态学滤波填充ROI中的空洞区域,最终提取肿瘤区域.通过对多组病人的CT图像进行实验,结果显示该算法对肝脏肿瘤的分割效果良好.展开更多
文摘为了综合分析各类特征值对于适配区选取的影响,提出了一种通过因子分析,将多种特征值综合为少数几个因子,以此确定影响适配区选取参数的方法。首先将整个区域划分为15个子区域,计算每个子区域的各类特征值,利用因子分析的方法统计各区域得分。然后,根据得分情况确定适配区选择顺序。最后,对比验证基于因子分析选出的适配区匹配定位精度。仿真结果显示,基于因子分析选取的适配区总体定位精度为0.45 n mlie,优于传统的主成分分析法,表明利用因子分析来选取重力适配区是一种可行的方法。
文摘为提取人体肝脏CT图像中的肿瘤区域,提出一种基于动态自适应区域生长的算法进行肿瘤分割.通过自适应区域生长算法对CT图像进行预分割,得到感兴趣区域(region of interest,ROI),利用数学形态学滤波填充ROI中的空洞区域,最终提取肿瘤区域.通过对多组病人的CT图像进行实验,结果显示该算法对肝脏肿瘤的分割效果良好.
