基于模糊聚類的醫(yī)學(xué)圖像分割技術(shù)研究.pdf

1、醫(yī)學(xué)圖像分割在醫(yī)學(xué)影像分析中正在發(fā)揮著日益重要的作用，它是醫(yī)學(xué)圖像處理和分析領(lǐng)域的基礎(chǔ)性經(jīng)典難題。本論文以基于模糊聚類的醫(yī)學(xué)圖像分割方法為研究重點(diǎn)，詳細(xì)地分析了其原理和發(fā)展現(xiàn)狀。論文的主要工作和創(chuàng)新點(diǎn)包括： 1．將醫(yī)學(xué)圖像分割方法歸納分類為基于閾值的分割技術(shù)、基于邊界的分割技術(shù)、基于區(qū)域特性的分割技術(shù)和結(jié)合特定理論工具的分割技術(shù)四類，并運(yùn)用其中部分算法對MRI醫(yī)學(xué)圖像進(jìn)行了實(shí)驗(yàn)。 2．針對傳統(tǒng)的模糊核聚類算法魯棒性差的缺

2、點(diǎn)，提出了一種結(jié)合Markov隨機(jī)場的改進(jìn)的模糊核聚類圖像分割算法。模糊核聚類方法不考慮圖像像素與其鄰域內(nèi)其它像素的相關(guān)性，因而對噪聲非常敏感。利用Markov空間約束場對模糊核聚類算法施加空間約束，可有效性增強(qiáng)算法的魯棒性。在MRI醫(yī)學(xué)圖像分割實(shí)驗(yàn)中，對腦白質(zhì)、腦灰質(zhì)和腦脊液的分割實(shí)驗(yàn)結(jié)果表明，本文算法比改進(jìn)前顯著地降低了誤分率。 3．提出了一種自動分類的加權(quán)模糊C均值圖像分割算法。傳統(tǒng)的加權(quán)模糊C均算法(WFCM算法)的分類