改进的模糊C-均值算法在医学图像分割中的应用

摘要：

针对随机选取聚类中心易使得迭代过程陷入局部最优解的缺点,提出了一种混合优化蚁群和动态模糊C-均值的图像分割方法,该方法利用蚁群算法较强处理局部极值的能力,并能动态确定聚类中心和数目.针对传统的分阶段结合遗传算法和蚁群算法的策略存在收敛速度慢,聚类精度差的问题,提出在整个优化过程综合遗传算法和蚁群算法,并在蚁群算法中引入拥挤度函数,利用遗传算法的快速性、全局收敛性提高了蚁群算法的收敛速度,同时利用蚁群算法的并行性和正反馈性提高了聚类的精确度.最后将该算法应用到医学图像分割,对比实验表明,混合算法具有很强的模糊边缘和微细边缘分割能力.

关键词：蚁群算法、医学图像分割、模糊C-均值聚类、遗传算法

所属期刊栏目：5

分类号：TP391(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60702056

在线出版日期：2010-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：80-84