基于GVFSnake模型的医学图像分割

模糊C均值聚类算法（FCM）在硬C均值聚类的基础上有效地解决了医学图像分割中存在的模糊情况，通过建立表示图像中像素点与聚类中心加权相似度的目标函数，采用迭代优化的方法求解目标函数的极小值来确定最佳聚类

针对医学图像中存在的亮度分布不均匀（intensityinhomogeneity）的特点，对Chan-Vese提出的基于Mumford-Shah模型的水平集分割图像的算法进行了改进。局部区域信息是对亮

一种基于改进FCM的医学图像分割算法，张军贤，刘建国，医学图像处理在计算机辅助诊断中具有重要意义，而肿瘤分割是其中一个常见应用。针对医学图像的特点，学者提出了很多有效的分割方

应用DFA方法对电子器件噪声信号进行分析，研究结果发现电迁移噪声信号存在着复杂的关联性，导致DFA谱线在不同尺度下关联指数会发生变化且存在着转折点。在器件的电迁移信号分析中，可以发现随着老化时间的增长

基于主动选择的交互式医学图像序列分割，周生龙，郝世杰，传统的医学序列图像交互分割方法先对序列子集进行交互式分割，进而将其结果指导序列其余图像的自动分割。但该类方法常采取简单的

Image segmentation algorithm code based on Chan-Vese model

C++代码GMM全代码打包。实测可用，欢迎下载！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

Snake模型进行图像分割的例程，运用snake模型进行图像分割。很好用的哦！

在统计图像分割中,通常将像素值的分布假定为高斯,并且最佳结果被认为是具有最大后验(MAP)概率的结果。 尽管普遍存在高斯和计算效率,但是并不总是严格遵循高斯假设,因此可能导致结果准确性较低。 尽管统计

东北大学硕士论文《医学图像增强与脑部MR图像统计学分割》