醫(yī)學(xué)圖像分割算法研究與應(yīng)用.pdf

1、圖像分割作為醫(yī)學(xué)圖像處理和分析的基礎(chǔ)，是一種重要的計算機視覺技術(shù)。閩值分割法具有計算簡單、分割效果理想等特點，被廣泛應(yīng)用于各種圖像分割領(lǐng)域，而基于模糊熵算法的閾值分割法是當前最常用的圖像分割方法。因此，本文以醫(yī)學(xué)圖像為對象，研究了幾種基于模糊熵、模糊聚類和智能算法的新型圖像分割方法。
　　 首先，傳統(tǒng)模糊熵圖像分割算法的閾值易受圖像噪聲干擾影響，為此本文提出了一種改進的基于二維灰度直方圖的模糊熵閾值分割算法。改進算法將圖像的二維

2、灰度直方圖劃分出有效區(qū)域，考慮了中心像素與鄰域均值之間的關(guān)系，定義了一種改進的模糊熵函數(shù)隸屬度。
　　 其次，在很多情況下圖像單閾值分割無法滿足實際的需求，往往需要采用多閾值圖像分割方法。然而，傳統(tǒng)窮舉法搜索圖像的多個分割閾值時，圖像數(shù)據(jù)量大，運算時間長，難以實際應(yīng)用。傳統(tǒng)模糊聚類分割算法需要事先確定聚類數(shù)目，這本身比較難以確定，并對分割性能有較大影響。為此，本文采用智能優(yōu)化算法來搜索用于圖像分割的模糊聚類中心和聚類數(shù)目，提出了