基于KFCM算法对MRI图像分割的研究.docVIP

( 重庆师范大学 数学学院，重庆 400047)摘要: 医学图像分割在医学图像处理 ( 重庆师范大学 数学学院，重庆 400047) 摘要: 医学图像分割在医学图像处理，尤其是临床诊断的 MRI 图像分析中起着重要作用，提出一种基于核模糊 C 均值聚类算法( KFCM) 的 MRI 脑图像分割，讨论 KFCM 算法中隶属度 m 参数和聚类数目 k 的选取对图像分割的 效果影响，通过仿真实验表明，对于 MRI 脑图像隶属度函数值在 2 ≤m≤11 整数时，图像能取得较好效果，对于聚 类数目 k 选取不易超过 8． 关键词: 核模糊 C 均值聚类算法; 图像分割 中图分类号: TP391． 4 文献标识码: A 文章编号: 1008 － 8423( 2011) 01 － 0108 － 04 Image Segmentation of MRI Based on KFCM Algorithm MENG Jian － jun，JIN Yan － hong ( College of Mathematic Science，Chongqing Normal University，Chongqing 400047，China) Abstract: Medical image segmentation in medical image processing，Especially clinical diagnosis of MRI image analysis plays an important role，this paper proposes a method based on kernel fuzzy c － means clustering algorithm ( KFCM) MRI brain image segmentation，discuss KFCM algorithm membership m pa- rameters and clustering number k on image segmentation of selecting the effects，Through this paper simu- lation experiments show that images can achieves good effects at the brain MRI images membership func- tion value in 2≤m≤11 integer，and the clustering number not more than eight selected． Key words: kernel fuzzy c － means clustering algorithm; image segmentation 医学图像分割在医学图像处理和分析中越来越重要，在医学图像分割中算法很多，但是没有一种完美的 分割算法，各种算法只能针对某些特定的条件下取得较好分割效果． 磁共振成像作为脑检查的有效手段，可 以形成多方向图像，其图像分辨率较好，对软组织对比度高，可以提供准确的病理信息． 在对 MRI 脑图像分 割中，传统的方法有基于人工神经网络，基于形态学等，其中应用最为广发的是基于模糊 C 均值聚类算法对 图像的分割． 但是 FCM 算法［1］对非线性样布分割效果不佳，对于这类问题，常用的方法是通过某种映射，把 非线性可分特在空间变换为线性可分特征空间，在利用线性分类器来分． 而 KFCM 算法通过非线性变换将 特征空间变换到一个更高维数的空间，在新空间中求取最优线性分类面，从而很好的解决了 FCM 对线性不 可分数据敏感的特点，而且 KFCM 算法与 FCM 算法相比更具鲁棒性． KFCM 算法及具体过程［2 － 5］ 1 1． 1 KFCM 算法基本概念 核模糊 C 均值聚类算法是通过将数据核函数将数据映射到高维特征空间然后进行 FCM 聚类，假设输入 P 空间样本 X = { x1 ，x2 ，…，xn } ，XR ，通过一个非线性映射 φ: x→F 将输入空间的 x 映射到高维特在空间 F KFCM 算法目标函数: 收稿日期: 2010 － 12 － 16． 作者简介: 蒙建军( 1983 － ) ，男( 侗族) ，硕士研究生，主要从事应用数学、智能计算的研究． c nm2Jm = ( U，V)=   uik ‖φ( xk ) － φ( vi ) ‖( 1)i = 1k = c n m 2 Jm = ( U，V) =   uik ‖φ( xk ) － φ( vi ) ‖ ( 1) i = 1k = 1 c 为欲划分类别数目，vi ( i = 1，2，…，c)