邻域信息约束融合Student's t混合模型的医学图像分割

医学图像的高噪声以及偏移场的存在使得传统图像分割方法在分割此类图像时分割效果不理想.针对上述问题,提出一种邻域信息约束融合Student's t混合模型分割算法.首先,获取像素点的邻域信息进行滤波操作以达到降噪效果;其次,构建Student's t混合模型,通过噪声平滑因子融合邻域信息约束修正先验概率;最后,利用最大期望(EM)算法求解,获取最大后验概率实现图像分割.实验结果采用DICE指标验证了算法的有效性.