基于模糊聚類(lèi)的腦圖像分割與識(shí)別研究.pdf

1、隨著臨床醫(yī)學(xué)和計(jì)算機(jī)科學(xué)的相互滲透與發(fā)展，醫(yī)學(xué)圖像處理能避開(kāi)主觀因素的影響，盡早準(zhǔn)確地診斷出腫瘤種類(lèi)及惡性程度，有助于對(duì)患者制定有效的治療方案，因此基于圖像處理的腦圖像分割與識(shí)別顯得尤為重要。論文主要對(duì)模糊聚類(lèi)分割與SVM識(shí)別及相關(guān)算法進(jìn)行研究。
　　針對(duì)模糊聚類(lèi)算法對(duì)腦圖像中的噪聲、偽影等極為敏感的問(wèn)題，提出了基于鄰域信息的FLICM改進(jìn)算法。論文在梯度下降法推導(dǎo)的FLICM算法基礎(chǔ)上，通過(guò)引入像素的灰度相關(guān)性，融合像素的空間信

2、息改進(jìn)了目標(biāo)函數(shù)。經(jīng)實(shí)驗(yàn)測(cè)試表明，相比較其他的模糊聚類(lèi)分割算法，該改進(jìn)算法的分割效果更好，抗噪性能明顯得到增強(qiáng)。
　　為提高FLICM算法的分割效率，論文提出了結(jié)合SCoW的FLICM改進(jìn)算法。首先對(duì)圖像進(jìn)行SCoW預(yù)處理并通過(guò)閾值法進(jìn)行修正細(xì)分割，壓縮預(yù)處理數(shù)據(jù)；然后提取各超像素塊的均值特征作為聚類(lèi)算法的輸入；最后基于改進(jìn)的FLICM算法完成圖像分割。經(jīng)實(shí)驗(yàn)測(cè)試表明，該改進(jìn)算法的分割效果更好，運(yùn)行效率平均提高了30％。