计算机辅助设计与图形学学报

作者：王海鸥, 刘慧, 郭强, 邓凯, 张彩明

关键词：超像素, 双边滤波, 卷积网络, U-Net, 医学图像分割

近年来,超像素在医学图像处理领域的应用愈加广泛,现有的方法取得了较好的效果,如LAW,SLIC等.然而,这些方法在处理医学图像得到超像素时,位于组织边缘像素点的划分仍存在类别模糊问题.为此,提出一种基于U-Net网络的超像素分割方法.首先,通过双边滤波模型过滤外部噪声,增强超像素信息;然后,结合U-Net卷积网络学习图像特征.该方法为U-Net网络中每个特征尺度的卷积层后嵌入一个规范层,用于增强网络对参数的敏感性.实验结果表明,该方法有效提高了医学图像超像素的分割精度,与groundtruth相比,其改善了超像素边缘分类的准确性,优化了超像素分割结果,在精确度、召回率、F-measure和分割速度等性能指标上均取得了更好的效果.

来源：2019年第6期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2019年第6期