基于FCM和加權ACA的腦MRI圖象分割算法的研究.pdf

1、隨著醫(yī)學科技的發(fā)展，對磁共振圖像定量分析和圖像可視化的要求越來越高，而精確的測量對疾病的診斷和治療也有重要的臨床意義。然而傳統(tǒng)的一些圖像處理算法沒有充分分析磁共振圖像元素，從而現(xiàn)出腦組織之間的相互混疊，沒有清晰的邊界，不同個體之間的差異也較大。首先，由于噪聲的存在，核磁共振圖像中一些重要的磁共振信息被淹沒，不利于磁共振圖像的分割。目前，人們把小波應用在磁共振圖像的去噪上，但是由于小波方向性不足，常用的一些經(jīng)典方法門限選擇不夠恰當，造成處

2、理后的圖像紋理特征被弱化，圖像邊緣變得模糊。
　　 本文利用Contourlet變換，構建Context模型，實現(xiàn)磁共振圖像的去噪。結果表明，本方法是有效可用的，與小波算法和Contourlet算法相比，本算法PSNR值提高了2dB左右。其次，將蟻群算法應用到磁共振圖像的分割上，蟻群算法是一種經(jīng)典算法，標準蟻群算法容易出現(xiàn)停滯現(xiàn)象，收斂速度慢等缺點。對目前應用的圖像分割方法進行比較后，本文提出了一種線性蟻群的磁共振分割方法，就是