基于小波換和FCM的醫(yī)學圖像分割.pdf

1、醫(yī)學圖像分割是臨床醫(yī)學診斷的關鍵步驟，與普通圖像相比，醫(yī)學圖像具有異質性，部分容積效應和噪聲的特點。模糊C均值聚類(Fuzzy C-Means，F(xiàn)CM)算法是常用的醫(yī)學圖像分割算法之一。它具有無監(jiān)督、計算簡便、軟分割等優(yōu)點。但是，將其應用到醫(yī)學圖像分割中，也有幾個明顯的缺點，如對初始值和噪聲敏感，沒有考慮到像素的鄰域像素信息等。而在醫(yī)學圖像中，噪聲是不可避免的，并且都具有空間依賴性。
　　針對以上現(xiàn)象，本文提出了一個無監(jiān)督的多分辨

2、率圖像分割算法，它結合了小波變換和改進的FCM算法。首先，應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)量較小以及對噪聲不敏感的特性，將其與傳統(tǒng)的FCM算法相結合來獲得初始分割圖像和聚類中心。然后，根據(jù)小波系數(shù)尺度內聚集和尺度間持續(xù)的特性，從粗尺度到細尺度給圖像的每個像素貼上標簽。最后，利用小波重構得到的分類標簽，改進像素到聚類中心的距離，并且利用鄰域像素信息改進像素的特征值，再加上初始分割得到的聚類中心，