基于模糊聚類算法的醫(yī)學(xué)圖像分割技術(shù)研究.pdf

1、圖像分割技術(shù)是計(jì)算機(jī)視覺(jué)、圖像理解等領(lǐng)域中最重要的研究課題之一，也是醫(yī)學(xué)圖像處理的核心內(nèi)容和主要課題。醫(yī)學(xué)圖像分割是指根據(jù)圖像中像素的相關(guān)特征，將圖像分割為互不相交的不同組織或器官?；卺t(yī)學(xué)圖像分割技術(shù)，可以提取醫(yī)學(xué)圖像中感覺(jué)興趣的器官/組織，對(duì)病變組織等進(jìn)行定性和定量分析。同時(shí)，醫(yī)學(xué)圖像分割又是三維重建等影像處理的基礎(chǔ)，分割的效果直接影響到三維模型重建的精確性。因此，研究醫(yī)學(xué)圖像分割技術(shù)具有非常重要的現(xiàn)實(shí)意義和實(shí)用價(jià)值。
　　由

2、于醫(yī)學(xué)圖像自身的復(fù)雜性，醫(yī)學(xué)圖像分割技術(shù)已經(jīng)成為制約醫(yī)學(xué)圖像處理進(jìn)一步應(yīng)用和發(fā)展的瓶頸?？紤]到醫(yī)學(xué)圖像中的強(qiáng)度不一致、部分容積效應(yīng)和噪聲等現(xiàn)象，本文擬對(duì)基于模糊聚類算法的醫(yī)學(xué)圖像分割技術(shù)進(jìn)行研究。與其他分割方法相比，模糊聚類算法是一種典型的“軟分割”方法，它允許像素以不同的隸屬度同時(shí)隸屬于不同的組織和器官，可以有效地解決醫(yī)學(xué)圖像中的部分容積效應(yīng)現(xiàn)象?；谀：垲愃惴▽?duì)醫(yī)學(xué)圖像進(jìn)行分割時(shí)，可以從原圖像中保留盡可能多的信息，因而可以獲得較好

3、的分割效果。然而，傳統(tǒng)的模糊聚類算法由于沒(méi)有考慮像素的鄰域信息，對(duì)醫(yī)學(xué)圖像中的噪聲、偽影等非常敏感，分割效果不是很理想。同時(shí)，算法在運(yùn)行效率上也較為低下，無(wú)法滿足醫(yī)學(xué)圖像處理的實(shí)時(shí)要求。針對(duì)這兩個(gè)問(wèn)題，在現(xiàn)有的改進(jìn)模糊聚類算法的基礎(chǔ)上，本文重點(diǎn)進(jìn)行了以下研究工作:
　　(1)針對(duì)FCM算法效率低下的問(wèn)題，本文從聚類中心計(jì)算的角度進(jìn)行了分析，認(rèn)為算法效率低下的一個(gè)重要原因在于聚類中心的計(jì)算需要涉及圖像中的所有像素?；诖?，本文提出了

4、基于分層技術(shù)的圖像分割技術(shù)，假設(shè)聚類中心僅由相應(yīng)聚類內(nèi)的像素強(qiáng)度值決定，與隸屬于其他聚類的像素?zé)o關(guān)。算法首先基于閾值分割技術(shù)將醫(yī)學(xué)圖像粗略地分割為不同的組織/器官，然后基于模糊聚類算法對(duì)初略分割的圖像進(jìn)行修正，從而可以提高分割算法的運(yùn)行效率。
　　(2)研究了醫(yī)學(xué)圖像分割的實(shí)時(shí)分割技術(shù)。針對(duì)FCM算法效率低下以及相關(guān)改進(jìn)算法分割效果不理想的問(wèn)題，本文首先對(duì)現(xiàn)有的分割算法進(jìn)行深入分析，認(rèn)為運(yùn)行效率低下的原因是算法沒(méi)有充分挖掘圖像中隱

5、藏的信息。基于相關(guān)分析，提出了基于直方圖的FCM算法。算法利用峰值檢測(cè)技術(shù)將醫(yī)學(xué)圖像的直方圖分割為不同的區(qū)間，并假設(shè)聚類中心取決于相應(yīng)的區(qū)間，與其他區(qū)間無(wú)關(guān)。利用獲得的區(qū)間在圖像的直方圖上基于模糊聚類算法對(duì)圖像進(jìn)行分割可以進(jìn)一步提高算法的運(yùn)行效率。一般情況下可以在0.1秒內(nèi)完成醫(yī)學(xué)圖像的分割，滿足醫(yī)學(xué)圖像分割的實(shí)時(shí)性要求。
　　(3)對(duì)基于鄰域信息的圖像分割技術(shù)進(jìn)行研究。FCM的改進(jìn)算法FCMS算法在進(jìn)行圖像分割時(shí)，采用常數(shù)α作為