基于小波包和改进的FCM的医学图像分割.pdfVIP

1862008，44(12) and Applications计算机工程与应用 ComputerEngineering 基于小波包和改进的FCM的医学图像分割 吕 回，李峰，徐琼 LVHui，U Feng，XUQiong 长沙理工大学计算机与通信工程学院，长沙410076 of andCommunication ofScienceand 410076，China CollegeComputer Engineering，ChangshaUniversity Technology，Changsha E—mail：Iv—alawn@hotmail．corn LV basedon Hui·LI QiongMedicalsegmentationwavelet and Feng．XU image packetimprovedFCM．Computer and Applications。2008。44(12)：186-188． Abstract：Amethodis for MRbrain thebestwavelet transform，andthe proposedsegmenting imagesusing packet eigenveetors arecomeinto the ofwavelet theKernel-BasedC-means usingenergy packets’coefficients．ThenFuzzy for of used the MRbrain is ourmethod．The clusteringanalysis eigenvectom．Finally，theimagesegmentedeffectivelyby experi- ment thatKFCMfor more in is robust andanti—noisethanFCM． proves segmentation convergence resonance of bestwavelet Keywords：magneticimagingbrain；medicalimagesegmenmtion；the transform；texturefeature； packet KFCM algorithm 搪要：提出应用最优小波包变换对磁共振颅脑图像做分解，以各子带小波包系数的能量形成纹理特征集；并运用基于核函数的 模糊C均值聚类算法(KemeI—BasedC-means Fuzzy 颅脑图像的有效分割。实验证明应用KFCM算法做分割的收敛速度和抗噪性明显优于FCM算法。 关键词：磁共振颅脑图像；医学图像分割；最优小波包变换；纹理特征；KFCM算法 文章编号：1002—833l(2008)12-0186-03 文献标识码：A 中图分类号：TP391．41 l 引言 集。然后运用基于核函数的模糊c均值聚类算法(KFCM)对所 在医学图像的分割中，图像的纹理特征被认为是一种非常 得到的特征集进行聚类分析，从而实现了对MRI颅脑图像的 有效分割。 重要的特征。Sklansky早在1978年给出了—个较为适合于医 学图像的纹理定义¨l：“如果图像的一系列固有的统计特性或其 它