基于改进SLIC和Ncut聚类算法的皮肤镜图像分割

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：针对皮肤镜图像在低对比度和亮度不均匀的情况下分割精度低的问题,将简单线性迭代聚类(SLIC)和归一化谱聚类(Ncut)相结合,提出了一种改进的分割方法.基于皮肤镜图像的血红色和棕黄色聚集特征,提出了一种颜色距离测量公式,以改进传统SLIC算法中的欧氏距离.针对边缘超像素的噪声问题,提出了将皮损邻近距离和颜色特征相结合的方法,对皮损超像素进行Ncut聚类融合.最后,利用凸包算法对融合边界上的人工分割形状进行了仿真.在ISIC2017数据集的测试图像上对所提出的方法进行了评估.实验结果表明,图像分割的Dice系数、Jac指数和灵敏度的平均值分别为87.80%、78.49%和83.74%.与弱监督算法和其他对比算法相比,提出的改进方法在低对比度和亮度不均匀的皮肤镜图像中优于或接近对比算法.

作者：

徐福平、王瑶、杨东

展开 >

作者单位：

重庆城市职业学院信息与智能制造学院,重庆,402160

关键词：

皮肤镜图像 SLIC算法 Ncut聚类超像素凸包

出版年：

2024

DOI：

10.19772/j.cnki.2096-4455.2024.10.025

电子元器件与信息技术

ISSN：

年,卷(期)：2024.8(10)