|
|||||
|
|
| 基于模糊聚类水平集的医学图像分割方法 | |
| 作者姓名： | 吴杰 朱家明 陈静 |
| 作者单位： | 扬州大学信息工程学院 扬州225127,扬州大学信息工程学院 扬州225127,扬州大学信息工程学院 扬州225127 |
| 基金项目： | 本文受国家自然科学基金资助 |
| 摘 要： | 医学图像分割是图像分割的一个重要应用领域,医学图像普遍存在高噪声、伪影、低对比度、灰度不均匀、不同软组织之间与病灶之间边界模糊等特点,因此运用聚类算法,结合李春明模型(LCM)和两相水平集分割方法(CV),首先选用合适的滤波器对医学图像进行去噪,然后使用模糊C均值算法(FCM)获得图像的先验模型;并对传统的CV模型进行改进,对图像进行细分割。实验表明,该模型可以解决图像高噪声、弱边界问题,并可以有效避免重新初始化,对边缘更加敏感,可提高分割精度,有效的抑制噪声,明显的减少迭代次数和时间,具有一定应用价值。。 |
| 关 键 词： | 模糊C均值聚类 滤波器 LCM模型 FCM-LCMCV水平集方法 |