脑部mr图像的sigma-ifcm分割算法.pdfVIP

计算瓤技术 ·图形图像与多媒体 金人超，何军宝，宋恩民 (华中科技大学计算机科学与技术学院，湖北武汉430074) 摘要：受成像原理、设备及环境的影响，脑部MR图像一般都有大量的噪声，给图像分割造成很 图像进行去毛刺和边部光滑处理，并在模拟的脑部MR图像上进行分割实验。 关键词：核磁共振图像分割模糊C一均值过滤器 图像分割是把图像分割成互不相交的区域，使每 个区域内的像素具有某种相似的特征，以便对图像进 “∥=l∑(d跏》cm一-)1 (3) J Lj=1 行后续处理。图像分割是图像分析的难点之一，至今没 有一个通用且有效的图像分割方法能够满足不同的需 其中d：’=II靓一秽引l是距离计算公式。当d：’=o时， 求…【2】。在脑部MR图像分析中该问题尤为突出[31。 u譬¨=1，且当_『≠i时，M譬¨=o。 在诸多的图像分割算法中，模糊C均值(FCM)分割 2IFCM算法 算法是目前应用最广泛的分割算法之一。最早由Dunn 为去除噪声对分割的影响，文献[7】修改了FCM算 提出，后经Bezdek改进【4】。由于模糊集理论对图像的不 法的目标函数，但增加了计算复杂度。而文献[6】在每次 确定性有较好的描述能力，因此FCM算法在医学图像 迭代过程中不仅考虑像素点本身的灰度值，还考虑它周 分割中取得了良好的分割效果。最早把FCM算法用于 边像素点的灰度值，但只修改了d“)的计算方法，对目标 C 医学脑部图像分割的是Li L等人‘51。由于医学图像常 函数的其他部分未作修改。以下为文献[6]的计算公式， 有各种未知噪声，因此给分割带来很大的困难。已有一 皆省略了上标(z)： 种改进的FCM(IFCM)算法用来解决该问题，并取得了 I芍一口i 2(1一A日F一亭毋) (4) d：=I 很好的效果[6】。在此基础上，本文提出一种新的FCM改 其中 Fuzzy 进算法，即Sigma—IFCM(sigmaImprovedC—Means)算 法。这种新算法用Si舯a过滤器理论考虑邻居像素，并 ∑u鹕。 使用去毛刺和边部光滑技术来修正分割后的脑部图像。 峨=上}一且岛^=I∞一瓢 从实验结果看，分割效果比IFCM算法有较大的改善。 ∑筋。 1传统的FCM算法 传统的FCM算法对下列目标函数进行优化： ∑“：q： n C 而毋=土％二 厶(u，y)=艺艺(‰)“(JI敏一矾JI)2 (1) ∑g： ^=lf=l t=l 其中，X={z-，zz，戈，，……％)为数据集；U={“*)为模糊 邻接点的计算为： 隶属度矩阵，u。表示第_|}个数据属于第i类的隶属度； (5) 玛={居∈ⅣIO(q—oI)2+(6，一6^)2≤2} y=慨}为聚类中心集合；ff‰一优fI表示稚与耽的距离， 度量数据点和聚类中心