資源描述：
《基于改進(jìn)模糊均值聚類算法的醫(yī)學(xué)圖像分割.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、苗彬等：基于改進(jìn)模糊均值聚類算法的醫(yī)學(xué)圖像分割140《激光雜志}2015年第36卷第1期LASERJOURNAL(Vo1．36．No．1．2015)基于改進(jìn)模糊均值聚類算法的醫(yī)學(xué)圖像分割苗彬，侯燕(山東警察學(xué)院，濟南250014)摘要：為了提高醫(yī)學(xué)圖像分割性能，針對傳統(tǒng)模糊聚類算法存在的缺陷，提出了一種改進(jìn)模糊均值聚類算法的醫(yī)學(xué)圖像分割方法。首先采用粒子群算法選擇模糊均值聚類算法的聚類中心，然后利用空間鄰域信息設(shè)定聚類樣本空間，最后采用具體的醫(yī)學(xué)圖像數(shù)據(jù)進(jìn)行仿真實驗，測試其有效性。仿真結(jié)果表明，相對于傳統(tǒng)模糊聚類算法，本文算法不僅提高了醫(yī)學(xué)圖像分割精
2、度，而且提高了醫(yī)學(xué)圖像分割效率。關(guān)鍵詞：醫(yī)學(xué)圖像分割；模糊聚類算法；粒子群算法；鄰域信息中圖分類號：TN911．7文獻(xiàn)標(biāo)識碼：ADOI編碼：10．14016／j．cnki．igzz．2015．01．140Medicalimagesegmentationbasedonimprovedfuzzyc-meansclusteringalgorithmMIAOBin，HOUYan(ShandongPoliceCollege，Jinan250014，China)Abstract：Inordertoimprovethesegmentationperformance
3、ofmedicalimage，aimingatthedefectsofthetradi—tionalfuzzyclusteringalgorithm，anewmedicalimagesegmentationmethodisproposedanimprovedfuzzyC—meansclusteringalgorithminthispaper．Firstofall。theclusteringcenteroffuzzyc—meansclusteringalgorithmisobtainbyparticleswarITIoptimizationalgori
4、thm，andthenthespatialneighborhoodinformationsetisusedtogetclusteringsam—piespace，finallythesimulationexperimentiscarriedoutonthemedicalimagedatatotesteffectiveness．Thesimula-tionresultsshowthat，comparedwithtraditionalfuzzyclusteringalgorithm，theproposedalgorithmnotonlyimprovest
5、hesegmentationaccuracy，butalsoimprovethesegmentationeficiencyofmedicalimage．Keywords：medicalimagesegmentation；FuzzyC—Meansclusteringalgorithm；neighborhoodinformation；parti—cleswarmoptimizationalgorithm隨著圖像處理技術(shù)和醫(yī)療技術(shù)的不斷發(fā)展，醫(yī)學(xué)閾值分割算法具有簡單、易實現(xiàn)等優(yōu)點，但是其閾值圖像在醫(yī)療診中的作用越來越重要。醫(yī)學(xué)圖像分割可的設(shè)定對分割精度影響
6、相當(dāng)?shù)拇?，然而目前還沒有統(tǒng)以分割出感興趣的區(qū)域，是醫(yī)學(xué)圖像處理的基礎(chǔ)l1j。一理論指導(dǎo)閾值的設(shè)定，全憑經(jīng)驗進(jìn)行設(shè)置，而且對在實際應(yīng)用中，由于多種因素的影響以及人體器官自于不相鄰、灰度值相同的區(qū)域分割誤差比較大，造成身的特殊性，采集的醫(yī)學(xué)圖像質(zhì)量不太好，因此如何區(qū)域空洞，分割結(jié)果不可靠l6：邊緣檢測分割算法和從背景區(qū)域中準(zhǔn)確分割出感興趣的區(qū)域，對于病變組區(qū)域分割算法的邊緣復(fù)雜、采光不均勻的圖像效果不織臨床診斷和治療具有_}二分重要的意義l2J。太理想，應(yīng)用范圍受到一定限制j。由于醫(yī)學(xué)圖像具由于醫(yī)學(xué)圖像分割具有十分重要的實際應(yīng)用價有模糊性和不確定性，模糊
7、理論聚類分割算法成為當(dāng)值，因此，引起了學(xué)者們的廣泛關(guān)注，他們對其進(jìn)行了前的主要研究方向，其中模糊聚類算法(FuzzyC—廣泛和深入的研究，取得一些研究結(jié)果。提出了許多MeanS，F(xiàn)CM)是應(yīng)用最為廣泛的一種醫(yī)學(xué)圖像分割算醫(yī)學(xué)網(wǎng)像分割算法J。醫(yī)學(xué)圖像分割實際上是一種法，其是通過隸屬度矩陣對圖像中相一致的像素進(jìn)行模式識別問題，當(dāng)前醫(yī)學(xué)圖像分割算法可以分為：邊模糊聚類，以及目標(biāo)函數(shù)的迭代優(yōu)化來進(jìn)行圖像分割緣檢測分割算法、閾值分割算法、區(qū)域分割算法、神經(jīng)的j。在實際應(yīng)用中，F(xiàn)CM具有一些不足，如人為指網(wǎng)絡(luò)分割算法以及模糊理論分割算法l4]。神經(jīng)網(wǎng)絡(luò)定初始聚類
8、中心，初始聚類中心一旦選擇不當(dāng)，易陷分割算法需要人為設(shè)置相關(guān)參數(shù)，而且要求圖像的樣人局部最；而且僅考慮了圖像
