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(jì)算機(jī)視覺技術(shù)。閩值分割法具有計(jì)算簡單、分割效果理想等特點(diǎn)，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(dāng)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(jìn)的基于二維灰度直方圖的模糊熵閾值分割算法。改進(jìn)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(jìn)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(shí)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(gè)分割閾值時(shí)，圖像數(shù)據(jù)量大，運(yùn)算時(shí)間長，難以實(shí)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