基于改进模糊聚类算法的ct图像病变区域分割

基于改进模糊聚类算法的ct图像病变区域分割

ID:31359860

大小:114.50 KB

页数:10页

时间:2019-01-09

基于改进模糊聚类算法的ct图像病变区域分割_第1页
基于改进模糊聚类算法的ct图像病变区域分割_第2页
基于改进模糊聚类算法的ct图像病变区域分割_第3页
基于改进模糊聚类算法的ct图像病变区域分割_第4页
基于改进模糊聚类算法的ct图像病变区域分割_第5页
资源描述:

《基于改进模糊聚类算法的ct图像病变区域分割》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于改进模糊聚类算法的CT图像病变区域分割  摘要:针对CT图像病变区域存在的欠分割和过分割问题,提出基于融合空域滤波器的改进模糊聚类算法。对CT图像进行预处理,将CT图像变换成通用图像,使输入图像具有一致直方图灰度分布,用区域生长方法标记和过滤非目标病变区域,获取脑部CT图像目标病变区域。通过改进的空域滤波器对噪声图像进行滤波去噪,对模糊聚类算法的目标函数和迭代公式融入空域滤波数据项确定隶属度矩阵,完成CT图像病变区域的分割。实验结果表明,所提方法在人脑CT图像血块区域进行分割过程中,具有较高的分割效率和精度,对噪声具有较高的鲁棒性。  关键词:改进模

2、糊聚类算法;CT图像;病变区域分割;隶属度矩阵  中图分类号:TN911.73?34;TP391文献标识码:A文章编号:1004?373X(2016)24?0100?04  CTimage?slesionareasegmentationbasedonimprovedfuzzyclusteringalgorithm  SUBo1,ZHUMin2  (1.FacultyofInformationEngineering,GuizhouInstituteofTechnology,Guiyang550003,China;  2.ResearchInstituteo

3、fAgriculturalBioengineering,GuizhouUniversity,Guiyang550003,China)10  Abstract:Tosolvetheunder?segmentationandover?segmentationproblemsexistinginthelesionareasegmentationofCTimages,animprovedfuzzyclusteringalgorithmbasedonspatialfilterfusionisputforward.ThepreprocessingofCTimagec

4、antransformtheCTimageintoageneralimagebymeansofthealgorithmtomaketheinputimagehavetheconsistenthistogramgray?scaledistribution.Theregiongrowingmethodisusedtomarkandfilterthenon?targetlesionareatoobtainthetargetlesionareaofthebrainCTimages.Theimprovedspatialfilterisusedtoconductth

5、efilteringanddenoisingofthenoiseimage.Theobjectivefunctionanditerativeformulaofthefuzzyclusteringalgorithmareaddedintothespatialfilteringdataitemstodeterminethemembershipmatrix,soastosegmentthelesionareaofCTimages.Theexperimentalresultsindicatethatthealgorithmhashighsegmentatione

6、fficiencyandprecisioninthesegmentationprocessofbloodclotregionofthehumanbrainCTimages,andgoodrobustnesstoresistthenoise.  Keywords:improvedfuzzyclusteringalgorithm;CTimage;lesionareasegmentation;membershipmatrix  0引言10  当今的医学图像分割对医学研究领域起着举足轻重的作用。随着影像技术的高速发展,临床医学中对大量的医学图像进行分析,通过图像

7、分割技术对图像病变区域分割,为医生进行病理分析和治疗提供可靠的分析依据[1?3]。由于CT图像图像具有复杂性和多变性,并且较为模糊,存在较多的噪声因素。标准模糊聚类方法仅可分析图像灰度信息,对噪声的容忍性能较弱[4?5]。因此,寻求有效的CT图像分割方法,成为医学图像分割行业人员分析的关键[6]。  文献[7]采用特征空间聚类分割方法,基于相似性规范将医学图像像素点分割到不同的范围内,确保聚类中的像素点相似度、同聚类像素点的差异度最高,进而完成目标图像的分割,但是该方法在迭代过程中,循环运行参数初始化具有较高的时间复杂度。文献[8]将处理过的灰度图像比作

8、参差不齐的地形图,依靠分水岭方法完成图像的区域分割,它的缺点是对噪点过滤性差,在

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。