基于核模糊聚类的变分水平集医学图像分割

摘要：

针对李春明提出的“无需重新初始化的变分水平集分割模型”存在对内部像素灰度值相近、边缘分离性差、图像分割效果不理想等问题,提出了一种改进的基于核模糊聚类的变分水平集医学图像分割方法.将原始图像进行核模糊C均值聚类处理得到聚类图像,并将其引入初始水平集函数中.然后将改进的边缘指示函数代入李模型中,实现最终的图像分割.通过对人体脑部、肩部MR医学图像进行试验,并采用最大香农熵进行客观评价.结果表明所提出方法的最大香农熵的值在一定程度上大于李模型方法,且运行时间和迭代次数都有所减少,证明了新方法具有良好的分割质量、适应性强,且无需重新初始化.

关键词：核模糊C均值聚类、变分水平集、李模型、边缘指示函数、图像分割

所属期刊栏目：35

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61402204;江苏省自然科学基金资助项目BK20130529;高等学校博士学科点专项科研基金资助项目20113227110010;镇江市科技计划项目SH2014110

在线出版日期：2016-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：693-698