粒子群模糊聚类方法在病理图像分类中的应用

《粒子群模糊聚类方法在病理图像分类中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、邹刚，孙即祥，敖永红：粒子群模糊聚类方法在病理图像分类中的应用计算机工程与设计ComputerEngineeringandDesign2009,30(22)5155人工智能粒子群模糊聚类方法在病理图像分类中的应用1,212邹刚，孙即祥，敖永红(1.国防科技大学电子工程学院，湖南长沙410073；2.国防科技大学信息中心，湖南长沙410073)摘要：结合模糊C均值(FCM)算法局部搜索的特点，将PSO优化聚类结果作为后续FCM算法的初始值，使算法有很强的全局搜索能力。同时，采用Markov随机场与模糊聚类的耦合策略计算适应度函数，利用新的分

2、类中心调整粒子位置，产生新的聚类中心，并将该方法应用于病理图像的分割。与传统的处理方法进行了比较，结果表明，该聚类更为准确且对病理图像的分割效果比原算法效果更好，但对于如何减少算法的运算量仍需作深入研究。关键词：粒子群模糊聚类算法;模糊C均值聚类算法;Markov随机场;图像分割;病理图像中图法分类号：TP391.41文献标识码：A文章编号：1000-7024(2009)22-5155-03Fuzzyclusteringmethodbasedonparticleswarmoptimizationusedinpathologyimagese

3、gmentation1,212ZOUGang,SUNJi-xiang,AOYong-hong(1.InstituteofElectronicEngineering,NationalUniversityofDefenceTechnology,Changsha410073,China;2.CenterofInformation,NationalUniversityofDefenceTechnology,Changsha410073,China)Abstract：Byincorporatingthelocalsearchoffuzzyclust

4、eringmethod(FCM)algorithmandtakingtheclusteringresultofPSOastheinitializedvalueoftheFCM.ByadoptingthecouplemethodofMarkovrandomfieldandfuzzyclusteringtoexpresstheadaptfunction.Andthealgorithmisappliedtotherepresentativeimagesegmentationtogetthecenterofclustering.Resultsfr

5、omtwopathologyimagearecompared,showthenewalgorithmhasbetternicetyandfitthepathologicalimagessegmentationbetter.Keywords：fuzzyclusteringmethodonparticleswarmoptimization;FCMclustering;Markovrandomfield;imagesegmentation;pathologyimage作为后续FCM算法的初始值，使算法有很强的全局搜索能力。0引言同时，采用Mar

6、kov随机场与模糊聚类的耦合策略计算适应度图像分割时图像分析、识别的关键技术，是模式识别和计函数，利用新的分类中心调整粒子位置，并根据最大隶属度原算机视觉研究的基础。传统的图像分割方法主要有：直方图则完成病理图像聚类中心的计算，实现对图像的分割。仿真阈值、边缘检测算子、区域增长等[1]，近年来基于水平集[2]、偏微试验论证了算法的有效性。分[3]、密度函数[4]的分割方法也得到了应用；其中将模糊聚类方[13]1模糊C-均值算法(FCM)法用于图像分割是一个研究方向[5]，但一般FCM算法用于图像分割仅利用了图像本身的信息[6-7]，且该算

7、法对初始值比较令X={1，2，⋯，}，预将这N个n维特征矢量xj(j=1，2，敏感，易陷入局部极小值[8]；粒子群优化算法(PSO)是一种以族⋯，N)分成c类，分类结果用模糊分类矩阵=表示。这群动力学为基础的进化计算技术，其收敛性强且易于实现，不个矩阵的阵元表示目标j属于i类的程度或资格，隶属度矩需多参数设置[9]。文献[10-11]均采用PSO算法优化模糊C均阵U的阵元应满足：(1)0，1；值聚类的聚类中心的方法，因为是按密度搜索聚类中心的，计算量小，故可以大幅提高模糊C均值(FCM)算法的计算速度[11]；(2)0<<,；=1但传统F

8、CM算法仅依据了图像本身的信息，而没考虑像素间[6](3)=1,，即X中的每一个模式j属于各类的程度总的空间位置关系，其分割模型是不完整的。=1Markov场能很好的描述图像的空间信息[12]