-
题名基于模糊聚类水平集的医学图像分割方法
被引量：3
- 1
-
-
作者
吴杰
朱家明
陈静
-
机构
扬州大学信息工程学院
-
出处
《计算机科学》
CSCD
北大核心
2015年第B11期155-159,共5页
-
基金
国家自然科学基金资助项目(61273352
61175111
+6 种基金
61174046
60904030
60874046
60904030
60874045
60874030)
江苏省博士后科研资助计划项目(1102167C)资助
-
文摘
医学图像分割是图像分割的一个重要应用领域,医学图像普遍存在高噪声、伪影、低对比度、灰度不均匀、不同软组织之间与病灶之间边界模糊等特点,因此运用聚类算法,结合李春明模型(LCM)和两相水平集分割方法(CV),首先选用合适的滤波器对医学图像进行去噪,然后使用模糊C均值算法(FCM)获得图像的先验模型;并对传统的CV模型进行改进,对图像进行细分割。实验表明,该模型可以解决图像高噪声、弱边界问题,并可以有效避免重新初始化,对边缘更加敏感,可提高分割精度,有效的抑制噪声,明显的减少迭代次数和时间,具有一定应用价值。。
-
关键词
模糊C均值聚类
滤波器
LCM模型
fcm—lcmcv水平集方法
-
Keywords
Fuzzy c-means clustering, Filter, LCM model, fcm-CMCV level set method
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
