基于模糊C均值的醫(yī)學圖像分割改進算法研究.pdf

1、醫(yī)學成像技術已經(jīng)廣泛應用于各個醫(yī)療環(huán)節(jié)。醫(yī)學圖像分割作為各種后續(xù)圖像處理的基礎,已成為醫(yī)學圖像處理中的關鍵步驟。
　　本文研究基于模糊聚類的模糊C均值算法對醫(yī)學圖像的分割。該算法通過迭代隸屬度矩陣和聚類中心來優(yōu)化目標函數(shù),最終實現(xiàn)對圖像的分割。該算法不需要人工干預,且具有良好的收斂性。但是該算法僅利用到了像素的灰度信息,沒有結合像素灰度值之間的空間信息,因此受噪聲影響較大。
　　本文首先對現(xiàn)有的分割方法進行分類介紹。然后從模

2、糊聚類入手,在介紹了算法思想并針對模糊C均值算法的優(yōu)缺點進行分析后指出了該算法的三個改進方向。為了評價算法的分割效果,本文還引入了四項定量指標。本文通過將空間信息與原始算法相結合提出了兩種改進方法。一種將空間信息應用于隸屬度矩陣平滑過程中的聚集系數(shù);另一種將空間信息引入目標函數(shù)的罰項當中,并用快速模糊C均值算法初始隸屬度矩陣和聚類中心。最后將改進算法應用于腦部核磁共振圖像,通過對仿真結果的對比以及定量指標的評價,驗證了提出的改進算法的有