脑部核磁共振图像的模糊均值抗噪分割算法.pdf

摘 要 图像分割是图像处理的重点和难点之一，至今仍然没有一个通用且有效的图 像分割算法能满足各种不同的需要，这也正是图像分割算法的研究价值所在。在 医学图像处理中，虽然模糊 C －均值（FCM ）分割算法是目前应用十分广泛的分 割算法，但其算法本身也存在多种缺陷，尤其是对有噪声的医学图像，其分割效 果更不尽人意。而对于应用十分广泛的脑部核磁共振图像来说，噪声几乎是无法 避免的。所以，脑部核磁共振图像的分割问题是一个研究热点。 在原始的 FCM 算法中，每次迭代运算的数据集是图像所有的像素点，数据量 很大。由于像素点隶属关系计算的依据是像素点的灰度值，所以可以把灰度级作 为迭代运算的数据集，即算法迭代结束得到的隶属关系是各个灰度级和聚类的隶 属关系，然后对应过来就可以得到图像像素点和聚类的隶属关系。另外，把 HCM 算法得到的聚类中心作为 FCM 算法的初始聚类中心，可以减少算法的迭代次数， 同时在迭代过程中修正隶属度，也可以加快算法的收敛过程。 对于噪声比较多的医学图像，原始 FCM 算法分割效果很不好。在用迭代算法 求每个像素点隶属关系时，把其邻域像素点的隶属关系也考虑进来，这样可以很 好地去除噪声对像素点隶属关系的影响。利用西格码过滤器的理论来定义像素点 邻域，可以更好地保持各聚类分割后的边部特性。另