基于模糊C均值的醫(yī)學(xué)圖像分割改進(jìn)算法研究.pdf

1、醫(yī)學(xué)成像技術(shù)已經(jīng)廣泛應(yīng)用于各個(gè)醫(yī)療環(huán)節(jié)。醫(yī)學(xué)圖像分割作為各種后續(xù)圖像處理的基礎(chǔ),已成為醫(yī)學(xué)圖像處理中的關(guān)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(xué)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(biāo)函數(shù),最終實(shí)現(xiàn)對圖像的分割。該算法不需要人工干預(yù),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(jié)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(jìn)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(diǎn)進(jìn)行分析后指出了該算法的三個(gè)改進(jìn)方向。為了評價(jià)算法的分割效果,本文還引入了四項(xiàng)定量指標(biāo)。本文通過將空間信息與原始算法相結(jié)合提出了兩種改進(jìn)方法。一種將空間信息應(yīng)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(biāo)函數(shù)的罰項(xiàng)當(dāng)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(jìn)算法應(yīng)用于腦部核磁共振圖像,通過對仿真結(jié)果的對比以及定量指標(biāo)的評價(jià),驗(yàn)證了提出的改進(jìn)算法的有