腦部核磁共振圖像的模糊均值抗噪分割算法.pdf

1、圖像分割是圖像處理的重點和難點之一，至今仍然沒有一個通用且有效的圖像分割算法能滿足各種不同的需要，這也正是圖像分割算法的研究價值所在。在醫(yī)學(xué)圖像處理中，雖然模糊C－均值（FCM）分割算法是目前應(yīng)用十分廣泛的分割算法，但其算法本身也存在多種缺陷，尤其是對有噪聲的醫(yī)學(xué)圖像，其分割效果更不盡人意。而對于應(yīng)用十分廣泛的腦部核磁共振圖像來說，噪聲幾乎是無法避免的。所以，腦部核磁共振圖像的分割問題是一個研究熱點。 在原始的FCM算法中，每次

2、迭代運(yùn)算的數(shù)據(jù)集是圖像所有的像素點，數(shù)據(jù)量很大。由于像素點隸屬關(guān)系計算的依據(jù)是像素點的灰度值，所以可以把灰度級作為迭代運(yùn)算的數(shù)據(jù)集，即算法迭代結(jié)束得到的隸屬關(guān)系是各個灰度級和聚類的隸屬關(guān)系，然后對應(yīng)過來就可以得到圖像像素點和聚類的隸屬關(guān)系。另外，把HCM算法得到的聚類中心作為FCM算法的初始聚類中心，可以減少算法的迭代次數(shù)，同時在迭代過程中修正隸屬度，也可以加快算法的收斂過程。 對于噪聲比較多的醫(yī)學(xué)圖像，原始FCM算法分割效果很

3、不好。在用迭代算法求每個像素點隸屬關(guān)系時，把其鄰域像素點的隸屬關(guān)系也考慮進(jìn)來，這樣可以很好地去除噪聲對像素點隸屬關(guān)系的影響。利用西格碼過濾器的理論來定義像素點鄰域，可以更好地保持各聚類分割后的邊部特性。另外，對分割后的圖像進(jìn)行去毛刺和聚類邊部光滑處理，可以修正一部分像素點的隸屬關(guān)系。 “金標(biāo)準(zhǔn)”的引入可以大大提高圖像分割算法評價的客觀性。加拿大麥吉爾大學(xué)的brainWeb模擬腦部數(shù)據(jù)庫提供一種圖像分析的評價標(biāo)準(zhǔn)，依此可以對各種圖