作　　者： ; ; ; ;

机构地区： 华南理工大学电子与信息学院

出　　处： 《生物医学工程学杂志》 2008年第6期1264-1270,共7页

摘　　要： 提出了一种利用模糊Gibbs场和模糊C均值聚类的新算法,用来分割脑部磁共振(Magnetic resonance,MR)图像。本算法引入了像素的空间约束,提出了势团均匀分布的概念,并使用模糊信息定义了势团的Gibbs能量,并在传统的基于灰度的模糊C均值聚类(Fuzzy C-means,FCM)算法中引入Gibbs能量的补偿项,建立包含像素灰度信息和空间约束的新的目标函数,并得到模糊矩阵和聚类中心的迭代公式,克服了基于灰度信息的模糊C均值聚类算法的缺陷,从而改善了原有的分割模型。对合成图像和脑部MR图像的实验表明了本算法的有效性,可以有效地分割被噪声污染的低信噪比的MR图像。 A modified algorithm using fuzzy Gibbs random field model and fuzzy c-means （FCM） clustering is proposed for segmentation of Magnetic resonance（MR） brain images. Spatial constraints using the definitions of homogeneity of cliques and fuzzy Gibbs clique potential are introduced in this algorithm. A new modified objective function , which is established by introducing the spatial eonstraints into the traditional intensity based FCM algorithm, leads to the establishment of new iterative formulas for membership matrix and centroids. This algorithm can improve the performance of corresponding traditional one by modifying the original intensity based segmentation model. Experiments on synthetic images and MR phantoms show the validation of the proposed algorithm, which is usually a better alternative for segmenting medical MR images corrupted by noise.

关 键 词： 图像分割 模糊 均值聚类 模糊 随机场 空间约束

领　　域： [自动化与计算机技术] [自动化与计算机技术]