基于小波換和FCM的醫(yī)學(xué)圖像分割.pdf

1、醫(yī)學(xué)圖像分割是臨床醫(yī)學(xué)診斷的關(guān)鍵步驟，與普通圖像相比，醫(yī)學(xué)圖像具有異質(zhì)性，部分容積效應(yīng)和噪聲的特點(diǎn)。模糊C均值聚類(lèi)(Fuzzy C-Means，F(xiàn)CM)算法是常用的醫(yī)學(xué)圖像分割算法之一。它具有無(wú)監(jiān)督、計(jì)算簡(jiǎn)便、軟分割等優(yōu)點(diǎn)。但是，將其應(yīng)用到醫(yī)學(xué)圖像分割中，也有幾個(gè)明顯的缺點(diǎn)，如對(duì)初始值和噪聲敏感，沒(méi)有考慮到像素的鄰域像素信息等。而在醫(yī)學(xué)圖像中，噪聲是不可避免的，并且都具有空間依賴(lài)性。
　　針對(duì)以上現(xiàn)象，本文提出了一個(gè)無(wú)監(jiān)督的多分辨

2、率圖像分割算法，它結(jié)合了小波變換和改進(jìn)的FCM算法。首先，應(yīng)用小波變換將圖像分解成不同分辨率的圖像，利用低分辨率的圖像具有全局性、數(shù)據(jù)量較小以及對(duì)噪聲不敏感的特性，將其與傳統(tǒng)的FCM算法相結(jié)合來(lái)獲得初始分割圖像和聚類(lèi)中心。然后，根據(jù)小波系數(shù)尺度內(nèi)聚集和尺度間持續(xù)的特性，從粗尺度到細(xì)尺度給圖像的每個(gè)像素貼上標(biāo)簽。最后，利用小波重構(gòu)得到的分類(lèi)標(biāo)簽，改進(jìn)像素到聚類(lèi)中心的距離，并且利用鄰域像素信息改進(jìn)像素的特征值，再加上初始分割得到的聚類(lèi)中心，