改進(jìn)的FCM算法在腦部圖像分割中的應(yīng)用研究.pdf

1、基于MRI圖像的腦部圖像分割，是將腦部區(qū)域從MRI圖像中精確的提取出來，為后續(xù)腦部灰脊、腦脊液和神經(jīng)元的提取做鋪墊，這對于腦部疾病診斷具有重要的意義，因此，研究腦部MRI圖像分割是十分必要的，具有一定的現(xiàn)實(shí)意義。
　　FCM（模糊C均值聚類）算法是最適用于腦部MRI圖像分割的方法。利用鄰域信息改進(jìn)FCM算法的實(shí)質(zhì)就是用鄰域像素和聚類中心的距離控制中心像素的隸屬度。本文詳細(xì)研究、分析了FCM及其改進(jìn)算法，發(fā)現(xiàn)在這一過程中，確定鄰域像

2、素對中心像素的影響程度是算法改進(jìn)成功與否的關(guān)鍵。已有的改進(jìn)算法存在著以下不足:一是將影響因子統(tǒng)一化，忽略了像素間的差異，導(dǎo)致分割結(jié)果不精確;二是完全依靠圖像本身的像素分布進(jìn)行分割，雖然獲得了較好分割效果，但是對噪聲極為敏感，對后續(xù)腦內(nèi)部病變區(qū)域分割影響較大。
　　針對上述情況，本文引入了基于像素灰度差的像素相關(guān)性，通過該相關(guān)性確定鄰域像素對中心像素的影響程度。以此為基礎(chǔ)，提出了一種新的基于鄰域像素相關(guān)性的FCM改進(jìn)算法。該算法利用