合理利用空間信息的模糊C均值腦部MR圖像分割算法研究.pdf

1、醫(yī)學(xué)圖像分割是模式識(shí)別與其他醫(yī)學(xué)圖像處理問(wèn)題，例如特征量化、特征配準(zhǔn)、三維重建等的前處理技術(shù)，并可為臨床診斷和輔助治療提供有力的支持。本文主要針對(duì)腦部MRI圖像進(jìn)行分割研究，研究?jī)?nèi)容主要涉及到對(duì)正常腦組織的分割問(wèn)題。
　　 理想的腦部MR圖像應(yīng)該是分段常量圖像，但是在核磁共振成像的過(guò)程中，存在電子噪聲、偏移場(chǎng)失真與部分容積效應(yīng)，因此這種理想的分段常量屬性通常遭到破壞。又由于人體解剖結(jié)構(gòu)個(gè)體差異比較大，臨床應(yīng)用對(duì)醫(yī)學(xué)圖像分割的準(zhǔn)確

2、度和分類(lèi)算法的速度要求較高，目前雖然已經(jīng)有很多的分割算法，但是遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到完善。模糊C均值算法(Fuzzy C-means，F(xiàn)CM)是目前MR腦部圖像分割算法中比較常用的算法，傳統(tǒng)的FCM算法僅僅利用了圖像的灰度信息，而沒(méi)有考慮圖像相鄰像素間的相關(guān)性，沒(méi)有利用圖像的空間信息，分割含有噪聲污染的圖像時(shí)效果不是很好。本文在對(duì)傳統(tǒng)的FCM算法進(jìn)行詳細(xì)介紹后，介紹了三種引入空間信息的方法，并對(duì)其中的一種算法進(jìn)行了改進(jìn)，這些方法在提高圖像分割精度

3、和魯棒性等方面具有顯著效果。
　　 本文首先對(duì)醫(yī)學(xué)圖像分割的現(xiàn)狀和核磁共振圖像的基本知識(shí)做了詳盡的介紹，然后在介紹標(biāo)準(zhǔn)的模糊C均值算法原理，并針對(duì)算法的缺點(diǎn)介紹了四種前人改進(jìn)的比較經(jīng)典的算法之后，重點(diǎn)介紹了兩種基于隸屬度平滑的方法，一是將待處理像素的鄰域像素隸屬度的加和作為空間約束來(lái)影響像素的隸屬度的值。二是在前一種算法的基礎(chǔ)上進(jìn)行改進(jìn)，對(duì)空間函數(shù)進(jìn)行改進(jìn)，引入一個(gè)控制參數(shù)，即若鄰域像素判斷為噪聲點(diǎn)或是邊緣點(diǎn)，則此像素不參與到空