基于改进FCM与马尔可夫随机场的脑部图像分割

发布时间：2023-04-29 18:10

　　脑磁共振(MRI)图像的分割在计算机辅助诊断和临床研究中起着重要作用。然而,由于存在噪声和脑图像中不同组织之间边界的不确定性等因素,脑图像的有效合理分割是一项具有挑战性的任务。因此,研究脑部MRI图像分割具有一定的实际意义。在图像的分割算法中,FCM(模糊C均值聚类)是一种适合应用在脑部图像分割中的经典算法。FCM算法的实质就是使得属于同一聚类的对象之间相似度最大,而不同聚类之间的相似度最小,并计算目标函数的最小值,从而实现每个像素的模糊划分。本文在研究了 FCM算法及其改进算法后,发现了以下的不足:一是分割的过程中只考虑了图像中像素点的自身情况,导致分割结果对噪声十分敏感;二是没有充分考虑邻域像素与中心像素的关系,也就是没有利用像素间的差异性的影响,导致了分割结果的不精确。为了克服FCM算法以上的缺点,本文在改进FCM算法的过程中,引入了邻域像素对中心像素的权重。首先对待聚类像素进行加权,计算出结合了邻域像素灰度分布和相似程度的待聚类像素灰度值。然后,在此基础上,利用本文提出的相异性系数公式,求出邻域像素对中心像素的影响程度,分别计算邻域像素和中心像素相对于聚类中心的距离,得到待聚类...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
    1.4 论文章节结构
2 模糊C均值聚类算法和马尔可夫随机场
    2.1 模糊C均值聚类算法(FCM)
        2.1.1 FCM算法的原理
        2.1.2 FCM算法的实现
        2.1.3 FCM算法的优缺点
    2.2 基于邻域信息的FCM改进算法
        2.2.1 FCMS算法
        2.2.2 FLICM算法
        2.2.3 EnFCM算法
    2.3 马尔可夫随机场(MRF)
        2.3.1 邻域系统与基团
        2.3.2 吉布斯分布
    2.4 本章小结
3 邻域像素的相关性
    3.1 局部邻域像素的灰度分布
    3.2 结合邻域像素影响的灰度值加权
    3.3 邻域像素的相关性
    3.4 本章小结
4 基于目标函数优化的FCM算法改进
    4.1 基于像素相异性系数的改进
    4.2 基于马尔可夫随机场的局部概率
    4.3 MRF与改进的FCM算法结合
    4.4 本章小结
5 实验结果与分析
    5.1 实验环境
    5.2 评价标准
    5.3 本文实验结果
    5.4 对比实验
        5.4.1 FCM算法对比实验
        5.4.2 FCMS算法对比实验
        5.4.3 FLICM算法对比实验
        5.4.4 EnFCM算法对比实验
        5.4.5 运行时间对比
    5.5 本章小结
结论
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：3805484