基于模糊聚類(lèi)的醫(yī)學(xué)圖像分割算法研究與實(shí)現(xiàn).pdf

1、圖像分割是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。醫(yī)學(xué)圖像分割是其他醫(yī)學(xué)圖像處理與模式識(shí)別問(wèn)題如特征量化、特征配準(zhǔn)、三維重建等的前期處理技術(shù)，并可以為臨床診斷和輔助治療提供有力的支持。醫(yī)學(xué)圖像的部分容積效應(yīng)和有些組織區(qū)域的不確定性，決定了醫(yī)學(xué)圖像的模糊性?；谀：碚摰膱D像分割算法將模糊概念引入到圖像分割算法中，用隸屬度表示像素占各種“純組織”部分容積的比例。這已經(jīng)廣泛地應(yīng)用于核磁共振成像(Magnetic Reson

2、ance Imaging，MRI)腦部圖像的分割中，其中最具代表性的算法就是模糊C-均值聚類(lèi)算法(Fuzzy C-Means，F(xiàn)CM)。
　　模糊C-均值聚類(lèi)算法是模糊聚類(lèi)分析算法中的一種經(jīng)典算法，它采用迭代優(yōu)化目標(biāo)函數(shù)來(lái)獲得對(duì)數(shù)據(jù)集的模糊劃分，具有很好的收斂性。采用FCM算法進(jìn)行醫(yī)學(xué)圖像分割避免了設(shè)定閾值，能解決多個(gè)分支的分割問(wèn)題，適合于圖像中存在不確定性和模糊性的特點(diǎn)。FCM算法作為一種無(wú)監(jiān)督聚類(lèi)算法，聚類(lèi)過(guò)程中不需要人工的干

3、預(yù)，適合于自動(dòng)分割的應(yīng)用領(lǐng)域。因此，應(yīng)用FCM算法對(duì)圖像進(jìn)行分割的研究已經(jīng)成為圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn)，具有一定的實(shí)用價(jià)值。
　　論文在分析了國(guó)內(nèi)外醫(yī)學(xué)圖像分割的研究現(xiàn)狀以及發(fā)展趨勢(shì)的基礎(chǔ)上，對(duì)模糊C-均值聚類(lèi)(FCM)圖像分割算法進(jìn)行了深入的探討，研究了聚類(lèi)類(lèi)別數(shù)c、模糊加權(quán)指數(shù)m、迭代截止誤差ε以及初始聚類(lèi)中心對(duì)算法的影響。針對(duì)FCM算法在分割速度較慢和對(duì)噪聲圖像分割不清楚的問(wèn)題，本文首先提出了兩種改進(jìn)算法，一種是在FCM算