基于模糊核聚類的MR 圖像分割新算法

《基于模糊核聚類的MR 圖像分割新算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、!""D‘!D).-555555555555555555555555555555555555555555555555555555555555南方醫(yī)科大學(xué)學(xué)報(bào))d5O>7TP5?8Q5FK2U--&&&-基于模糊核聚類的?@圖像分割新算法余學(xué)飛!李彬!陳武凡"南方醫(yī)科大學(xué)生物醫(yī)學(xué)工程學(xué)院!廣東廣州&%"&%&#摘要!在傳統(tǒng)的模糊聚類算法中引入了核函數(shù)$同時(shí)引入了控制鄰域作用的約束項(xiàng)$提出了改進(jìn)的基于模糊核聚類的?@圖像分割新算法&通過(guò)對(duì)模擬圖和仿真的腦部?@圖像的分割實(shí)驗(yàn)$證明本算法可以有效地分割含有噪聲的圖像&關(guān)鍵詞!圖像分割!模糊核聚類!鄰域信息!磁共振圖像中圖分類

2、號(hào)!AB(’%55555555文獻(xiàn)標(biāo)識(shí)碼!C55555555文章編號(hào)!%,#($.!&.)!""D-".$"&&&$"(!"#$%&’()*+,-.()-%’"#+*/)01("2"30*-2’010’-0"+2+*("42105(".677890)"0:3&61+0)*"’EF5G78$982H5IJ5+2KH5*L/M5N7$91KO=P>>35>95+2>08Q2=135/KR2K88S2KRH5O>7TP8SK5?8Q2=135FK2U8SV2T:H5W71KRXP>75&%"&%&$*P2K1;41+)23+

3、7852V515[>[731S50>Q8352Q83:57V8Q52K5TP85V8R08KT1T2>K5>9501RK8T2=5S8V>K1K=85)?@-5201R8V<5L>8U8SH5P8K5TP85=>KU8KT2>K13597XX:5=37VT8S2KR513R>S2TP052V57V8Q59>S5201R85V8R08KT1T2>KH5TP8513R>S2TP05VTS2=T3:5Q8[8KQ2KR5>K5TP85=7SS8KT5[2683V5>S]V5>K3:5>K5201R8V52TP538VV5K>2V8<5JK5TP85[1[8SH5

4、85[S8V8KT8Q5150>Q2928Q597XX:5]8SK835=37VT8S2KR513R>S2TP059>S5?@5201R85V8R08KT1T2>K<5AP85K8513R>S2TP052K=>S[>S1T8V515]8SK83$2KQ7=8Q5Q2VT1K=8508STS2=51KQ515[8K13T:5T8S05TP1T5=>KTS>3V5TP85K82RP^>SP>>Q58998=T5T>5TP85>^_8=T2U8597K=T2>K<5AP85S8V73TV5>9586[8S208KT5>K5^>TP5TP85V:KTP8T2=5201R8V

5、51KQ5V20731T8Q5?@5201R8V5VP>5TP1T5TP85[S>[>V8Q513R>S2TP052V50>S85S>^7VT5T>5K>2V85TP1K5TP85VT1KQ1SQ597XX:5201R85V8R08KT1T2>K513R>S2TP0V<=08$()51<201R85V8R08KT1T2>K‘597XX:5]8SK835=37VT8S2KR‘5K82RP^>SP>>Q52K9>S01T2>K‘501RK8T2=5S8V>K1K=85201R8V%55引言法一樣$在聚類過(guò)程中各象素相互獨(dú)立$未考慮相鄰圖像分割是圖像信息處理的熱點(diǎn)和難點(diǎn)之

6、一$常象素之間的影響$未能考慮圖像的空間信息&近年來(lái)$用的分割方法有閾值法%區(qū)域生長(zhǎng)法和聚類法等’%(&許多文獻(xiàn)提出了多種利用圖像空間信息來(lái)提高對(duì)低由于?@成像設(shè)備獲取圖像的不確定性或模糊性$信噪比圖像分割精度的分割方法’.$%%($其中文獻(xiàn)’&(的使得?@圖像之間混迭$造成不同個(gè)體組織之間難算法$即考慮空間信息的基于核模型的Y*?算法以找到清晰的邊界$因此模糊聚類法是一種有效的)OaY*?*的提出無(wú)疑是一個(gè)較好的創(chuàng)新$對(duì)椒鹽噪?@圖像分割方法&模糊*均值)Y*?*聚類算法因聲有特異性$但是對(duì)實(shí)際腦部?@圖像中存在高斯其實(shí)現(xiàn)簡(jiǎn)單$結(jié)果較優(yōu)而得到廣泛應(yīng)用&傳統(tǒng)的Y*?白

7、噪聲不敏感&本文對(duì)該算法進(jìn)行了改進(jìn)$提出了能由+8X8Q8]等提出’!($是一種基于灰度的聚類算法$夠合理利用圖像空間信息基于核函數(shù)的模糊聚類算其基本思想就是通過(guò)迭代尋找聚類中心和隸屬度函法$即改進(jìn)的基于核函數(shù)的模糊聚類算法)?aY**&數(shù)使得目標(biāo)函數(shù)達(dá)到最小$以實(shí)現(xiàn)圖像的優(yōu)化分割&Y*?算法沒(méi)有對(duì)樣本的特征進(jìn)行優(yōu)化$而是直接利!55基于核函數(shù)的Y*?算法"aY*?-用樣本的特征進(jìn)行聚類&這樣該方法的有效性很大程!<%55?8S=8S核度上取決于樣本的分布情況&例如一類樣本散布較假設(shè)輸入空間的樣本!!"#$$!%$!++%$被某]大$而另一類散布較小