用遗传算法C—均值聚类分割医学彩色图像.pdfVIP

第31卷第7期 同 济 大 学 学 报 V01．31 No．7 2003年7月 JOURNALOFTONGJI UNIVERSITY Ju1．2003 用遗传算法 C一均值聚类分割医学彩色图像 丛培盛，张洪江，朱仲良，李通化 (同济大学 化学系．上海 200092) 摘要：图像分割和对象提取是从图像处理到图像分析的关键步骤．经典的C一均值聚类算法(CMA)是将图像分 割成C类的常用方法，但依赖于初始聚类中心的选择．该算法通常得到的是局部最优解而非全局最优解．遗传 算法是一类全局优化搜索算法、通过将遗传算法(GA)与CMA相结合，对医学彩色图像直接按红绿蓝(RGB)三 色空间进行聚类，用遗传算法搜索全局最优解，有效地避免了C一均值聚类算法收敛到局部最优的问题，并在此 基础上实现了对医学病理彩色图像的分割和对象提取，得到了比较满意的效果． 关键词：医学图像；C一均值聚类；遗传算法；全局优化 中图分类号：O 657 文献标识码：A 文章编号：0253—374X(2o03)O7—0874一O4 C-means Clustering Method for Medical Color Image Segmentation and Object Extraction Based on Genetic Algorithm CONG Pei—sheng，ZHANG Hong-jiang，ZHU Zhong-liang，LI Tong-hua (Department of Chemistry，Ton@ University，Shangha~200092，China) Abstract：Image segmentation and object extraction are the key step in image process．The classical C—means clustering algorithm (CMA)is a well—known clustering method to partition an image into homogeneous regions However，CMA is dependent on the choice of the initial distribution of cluster centers and consequently the algorithm ends up in a local optimum．In this paper，by applying genetic algorithm，a global optimization search algorithm，to CMA，we carl achieve the global optimum and have applied the algorithm to medical color image segmentation and object extraction． Key words：medical image；C-means clustering algorithm；genetic algorithm；global optimization 由光学显微镜得到的医学图像一般都根据细胞各部分对某些染料亲和力的不同，通过各种染色处理， 如瑞氏染色，将细胞染成各种颜色，以使目标颜色区别于其它组织成分 J．大多数情况下，医生通过个人 经验对医学图像进行分析以得到量化的结果．随着计算机处理能力的增强和图像处理技术的不断改进，一 种旨在减轻医生劳动强度，提高量化分析结果的努力一直在继续．为实现对医学图像的分析，就需要对医 学图像进行分割，提取感兴趣的目标区域．图像分割和对象提取是图像处理的基本问题，是由图像处理到 图像分析的关键步骤．图像分割和对象提取结果的好坏对其后的图像分析与识别有着重要的影响．近年 来，国内外很多研究者尝试将遗传算法引入图像分割领域，发展了一些基于遗传算法的图像分割算