基于模糊C均值聚類與超像素方法的腦部MR圖像分割.pdf

1、醫(yī)學圖像分割是對正常組織和病變組織進行三維重建、定量分析等后續(xù)操作的基礎(chǔ)和關(guān)鍵，并可為臨床診斷和輔助治療提供有力的支持。由于在核磁共振成像的過程中存在電子噪聲、偏移場失真與容積效應，導致MR圖像中存在噪聲與偏場效應。而由于核磁共振成像設(shè)備的分辨率限制，造成MR圖像中存在容積效應。所謂容積效應，即不同組織的邊界存在重疊現(xiàn)象，其邊界像素點可能是多種組織成分的混合體。這些都極大地增加了MR圖像的分割難度，為醫(yī)學圖像分割帶來了極大的困難與挑戰(zhàn)。

2、
　　隨著圖像分割技術(shù)的發(fā)展，目前已經(jīng)有近千種圖像分割算法被應用到了醫(yī)學圖像分割領(lǐng)域，其中模糊聚類算法是最適用于醫(yī)學圖像分割的方法之一。模糊聚類算法能有效處理醫(yī)學圖像中的模糊性，而模糊聚類算法中應用最廣的算法是模糊C均值聚類。而作為最經(jīng)典的模糊聚類算法，模糊C均值聚類法也存在一定的缺陷，為了修正這些缺陷，學者們在該聚類算法上做了大量改進，從而推動了模糊聚類技術(shù)的發(fā)展與應用。
　　而超像素計算方法作為一種新興的分割方法，其應用

3、在圖像分割的預處理階段時可以有效降低圖像處理的計算復雜度，從而可以有效提高分割效率。超像素在強化圖像局部一致性的同時保留了圖像原始邊界信息，并且由超像素分割方法得到的原子區(qū)域還包含了單個像素所不具備的一些圖像特征，比如形狀、邊界輪廓信息以及區(qū)域灰度直方圖等，有利提高的圖像處理的準確度，而且在時間復雜度方面超像素比起單個像素的處理也有較大提高。因此超像素計算方法被廣泛地應用于各領(lǐng)域圖像分割的預處理階段。
　　基于以上背景，本文提出了

4、一種結(jié)合超像素方法與模糊C均值方法的多層次腦部MR圖像分割算法(Themultistagemedicalimagesegmentationmethodbasedonsuperpixelandfuzzyclustering，MSFCM)，該算法充分利用了圖像中的特征信息與空間信息，并在圖像實際分割中取得了比較好的效果。
　　該算法首先對圖像進行超像素劃分，并對內(nèi)部灰度值方差較大的超像素進行細化分割;然后，以一定特征為聚類參數(shù)對超像素