基于模糊聚類的醫(yī)學圖像分割算法研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、圖像分割是指把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術和過程。醫(yī)學圖像分割是其他醫(yī)學圖像處理與模式識別問題如特征量化、特征配準、三維重建等的前期處理技術,并可以為臨床診斷和輔助治療提供有力的支持。醫(yī)學圖像的部分容積效應和有些組織區(qū)域的不確定性,決定了醫(yī)學圖像的模糊性?;谀:碚摰膱D像分割算法將模糊概念引入到圖像分割算法中,用隸屬度表示像素占各種“純組織”部分容積的比例。這已經(jīng)廣泛地應用于核磁共振成像(Magnetic Reson

2、ance Imaging,MRI)腦部圖像的分割中,其中最具代表性的算法就是模糊C-均值聚類算法(Fuzzy C-Means,F(xiàn)CM)。
  模糊C-均值聚類算法是模糊聚類分析算法中的一種經(jīng)典算法,它采用迭代優(yōu)化目標函數(shù)來獲得對數(shù)據(jù)集的模糊劃分,具有很好的收斂性。采用FCM算法進行醫(yī)學圖像分割避免了設定閾值,能解決多個分支的分割問題,適合于圖像中存在不確定性和模糊性的特點。FCM算法作為一種無監(jiān)督聚類算法,聚類過程中不需要人工的干

3、預,適合于自動分割的應用領域。因此,應用FCM算法對圖像進行分割的研究已經(jīng)成為圖像處理領域的一個研究熱點,具有一定的實用價值。
  論文在分析了國內(nèi)外醫(yī)學圖像分割的研究現(xiàn)狀以及發(fā)展趨勢的基礎上,對模糊C-均值聚類(FCM)圖像分割算法進行了深入的探討,研究了聚類類別數(shù)c、模糊加權指數(shù)m、迭代截止誤差ε以及初始聚類中心對算法的影響。針對FCM算法在分割速度較慢和對噪聲圖像分割不清楚的問題,本文首先提出了兩種改進算法,一種是在FCM算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論