《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 自適應加權空間信息的FCM醫學圖像分割
自適應加權空間信息的FCM醫學圖像分割
來源:微型機與應用2011年第22期
王黎明
(西安電子科技大學 電子工程學院,陜西 西安 710071)
摘要: 提出了改進的mFCM算法,該算法引入自適應加權系數控制鄰域像素對中心像素的影響程度,充分利用像素的鄰域特性對Chen聚類算法的目標函數進行改進。為了實現快速聚類,該算法的開始使用快速FCM確定初始聚類中心。實驗結果表明,相對于標準FCM和FCM_S1算法,改進算法既能快速有效地分割圖像,又能提高對噪聲的魯棒性。
Abstract:
Key words :

摘  要: 提出了改進的mFCM算法,該算法引入自適應加權系數控制鄰域像素對中心像素的影響程度,充分利用像素的鄰域特性對Chen聚類算法的目標函數進行改進。為了實現快速聚類,該算法的開始使用快速FCM確定初始聚類中心。實驗結果表明,相對于標準FCM和FCM_S1算法,改進算法既能快速有效地分割圖像,又能提高對噪聲的魯棒性。
關鍵詞: FCM;空間信息;醫學圖像分割

    醫學圖像分割是醫學圖像分析、處理等的關鍵技術[1-2],它是醫學圖像處理中極為重要的內容之一,是實現圖像測量、配準、融合以及三維重建的基礎,在臨床診斷中也起著越來越重要的作用,分割的準確性直接影響后續任務的有效性。 FCM(Fuzzy C-Means)對模糊特征具有很強的魯棒性[3-4],而且比硬分割能保留更多的信息。雖然傳統的FCM算法在無噪聲或噪聲很低的圖像分割中得到好的分割效果,但由于它只考慮了圖像像素的灰度信息,未利用圖像像素的空間信息,從而使得該算法對噪聲很敏感。
    近年來很多研究者在考慮像素空間信息的前提下,通過修改標準FCM聚類算法的目標函數或者隸屬度函數使得圖像分割的性能大大提高[5-6]。參考文獻[6]通過引入一個均值濾波圖像對標準FCM算法的目標函數進行修改,提高了在分割帶有噪聲圖像時的性能,并已成功應用到MRI數據的分割中。然而,在計算中心像素的平均灰度值時,鄰域內每個像素對中心像素的影響程度不同,鄰域某像素與中心像素值差異性過大,則表明該鄰域像素是噪聲的可能性較大。
    本文提出的算法MFCM(Modified Fuzzy C-Means)通過引入一個自適應加權系數,自動控制鄰域像素對中心像素的影響程度,從而確定中心像素的灰度值,而不僅僅是求鄰域均值。該算法的開始用FFCM確定初始聚類中心[7],收斂速度大大提高。試驗結果表明,該算法相當有效,對噪聲具有很強的抑制能力。




    然而,通常情況下,在計算中心像素的灰度平均值時,鄰域像素對中心像素的影響程度不同,當鄰域某像素與中心像素差異較大時,表明該鄰域像素是噪聲的可能性更大。為了區別鄰域像素對中心像素的不同影響度,本文引入自適應加權系數AWC(Adaptive Weighted Coefficient)對原始圖像進行濾波,從而改進了均值濾波丟失邊緣信息和細節模糊的缺點;同時,由于充分利用了空間信息,提高了對噪聲的抑制能力。自適應加權均值濾波實現描述如下:

 





噪聲對分割圖像的影響,但分割的圖像丟失了邊緣和細節信息,如圖6(b)中的部分邊緣和腦脊髓的分割甚至不如標準FCM。MFCM采用自適應加權均值濾波,在抑制噪聲影響的前提下,不僅很好地保留了圖像的邊緣和細節信息,同時使得分割的圖像顯得很平滑,整體效果好于FCM和FCM_S1。
    三種算法分割真實MR腦部圖像時的分割系數、分割熵如表2所示。

    表2表明,本文提出的改進算法MFCM的分割系數最大,分割熵最小,說明MFCM分割效果好。
    針對標準FCM對噪聲比較敏感的不足,本文提出了改進算法MFCM,該算法通過引入自適應加權均值濾波修改Chen的目標函數來實現。自適應加權均值濾波考慮了計算中心像素灰度值時鄰域像素對中心像素的不同影響。該算法的開始采用FFCM確定初始聚類中心,使得算法的收斂速度大大提高。實驗結果表明,本文改進算法在克服噪聲對分割結果的影響方面表現出較強的魯棒性和優越性,是一種穩健高效的醫學圖像分割方法。
參考文獻
[1] LIN Y, TIAN J. A survey on medical image segmentation methods[J].Pattern Recognition and Artificial Intelligence, 2002,15(2):192-204.
[2] PAL N R, PAL S K. A review on image segmentation  tech-niques[J].Pattern Recognition,1993,26(9):1277-1294.
[3] ZHANG D B, WANG Y N. Medical image segmentation based on FCM clustering and rough set[J].Chinese journal  of Scientific instrument,2006,27(12):1683-1687
[4] CHEN W J,GIGER M L,BLCK U.A fuzzy c-means(FCM) -based approach for computerized segmentation of breast  lesions in dynamic contrast-enhanced MR images[J]. Academic Radiology,2006,13(1):63-72.
[5] AHMED M N,YAMANY S M,MOHAMED N. A modified  fuzzy c-means algorithm for bias field estimation and segmentation of MRI data[J]. IEEE Transactions on Medical  Imaging, 2002,(21):193-199.
[6] CHEN S C,ZHANG D Q.Robust image segmentation using FCM with spatial constraints based on new kernel-induced distance measure[J]. IEEE Transactions on Systems Man Cybernet,B,2004,34(4):1907-1916.
[7] LI Z M, XIAO D G. Fast fuzzy C-Means clustering for image segmentation[J]. Computer Engineering and Applications,2009,45(12):187-189.
[8] BEZDEK J C, PAL S K. Fuzzy models for pattern recognition[M].Piscataway,NJ,USA,IEEE Press,1999.
[9] GORRIZ J M,RAMIREZ J,LANG E W,et al.Hard C-means clustering for voice activity detection[J].Speech communication,2006(48):1638-1649.
[10] CHUANG K S,TZENG H L,CHEN S W.Fuzzy C-means clustering with spatial information for image segmentation[J].Computerized Medical Imaging and Graphics, 2006(30):9-15.

此內容為AET網站原創,未經授權禁止轉載。
热re99久久精品国产66热_欧美小视频在线观看_日韩成人激情影院_庆余年2免费日韩剧观看大牛_91久久久久久国产精品_国产原创欧美精品_美女999久久久精品视频_欧美大成色www永久网站婷_国产色婷婷国产综合在线理论片a_国产精品电影在线观看_日韩精品视频在线观看网址_97在线观看免费_性欧美亚洲xxxx乳在线观看_久久精品美女视频网站_777国产偷窥盗摄精品视频_在线日韩第一页
  • <strike id="ygamy"></strike>
  • 
    
      • <del id="ygamy"></del>
        <tfoot id="ygamy"></tfoot>
          <strike id="ygamy"></strike>
          正在播放亚洲| 欧美国产日韩视频| 影音先锋日韩精品| 国产精品嫩草99av在线| 国产一区 二区 三区一级| 亚洲综合色视频| 影音先锋久久资源网| 欧美午夜在线观看| 一本色道**综合亚洲精品蜜桃冫| 欧美视频中文字幕在线| 亚洲精品中文字| 欧美美女bbbb| 一区二区久久久久| 亚洲女性喷水在线观看一区| 久久久久久香蕉网| 亚洲天堂av电影| 亚洲精品网站在线播放gif| 国产伦精品一区二区三区高清版| 国产精品视频免费一区| 亚洲欧洲精品成人久久奇米网| 欧美国产日韩视频| 欧美一级精品大片| 国产毛片一区二区| 欧美午夜精品久久久久久孕妇| 国产精品www网站| 中文国产亚洲喷潮| 欧美激情第3页| 国产精品jizz在线观看美国| 亚洲综合电影一区二区三区| 亚洲免费视频成人| 欧美午夜女人视频在线| 99国产精品久久久久久久成人热| 欧美日韩二区三区| 亚洲国产一区二区在线| 久久深夜福利免费观看| 国产在线日韩| 一区二区三区视频在线播放| 亚洲一区二区三区精品视频| 欧美视频中文字幕| 国产日韩欧美一区二区三区四区| 久久成人人人人精品欧| 国产一区二区三区精品欧美日韩一区二区三区| 一区二区三区四区蜜桃| 黄色av一区| 欧美黑人一区二区三区| 国产精品影片在线观看| 国产精品夜夜夜一区二区三区尤| 美女日韩欧美| 国内精品国语自产拍在线观看| 欧美视频免费在线观看| 欧美一区在线直播| 免费一区视频| 亚洲一级在线| 蜜臀av在线播放一区二区三区| 欧美午夜一区二区三区免费大片| 国产日韩欧美综合| 日韩一区二区福利| 国产精品视频不卡| 亚洲欧美伊人| 国产欧美午夜| 亚洲欧美激情视频在线观看一区二区三区| 久久亚洲欧洲| 激情五月婷婷综合| 国产精品女人网站| 国产精自产拍久久久久久蜜| 篠田优中文在线播放第一区| 国产在线一区二区三区四区| 亚洲三级性片| 国产农村妇女精品| 久久精品国产2020观看福利| 欧美一区二区三区日韩视频| 国产日韩欧美综合一区| 国产精品普通话对白| 国产精品免费看片| 国产精品视频观看| 免费一级欧美在线大片| 欧美特黄一级| 狠狠色综合色综合网络| 国产精品欧美久久久久无广告| 亚洲麻豆av| 欧美日韩1区2区| 欧美日韩在线精品一区二区三区| 日韩一区二区免费看| 欧美体内谢she精2性欧美| 国产老女人精品毛片久久| 夜夜狂射影院欧美极品| 亚洲福利一区| 妖精视频成人观看www| 国产综合第一页| 欧美色视频在线| 久久精品一区二区三区中文字幕| 亚洲国产毛片完整版| 伊人久久综合| 亚洲裸体俱乐部裸体舞表演av| 免费亚洲电影在线| 久久久www成人免费精品| 男女av一区三区二区色多| 亚洲三级电影全部在线观看高清| 国产在线播精品第三| 欧美视频一区在线观看| 一区二区日韩欧美| 欧美伦理a级免费电影| 91久久久国产精品| 久热精品在线| 亚洲国内在线| 99国产精品99久久久久久| 影音先锋另类| 久久久午夜电影| 久久免费精品日本久久中文字幕| 一区二区欧美亚洲| 国产午夜精品美女毛片视频| 免费视频最近日韩| 国产一区二三区| 99精品黄色片免费大全| 欧美日韩视频在线观看一区二区三区| 1024欧美极品| 国产精品成人观看视频国产奇米| 欧美日韩国产另类不卡| 99精品久久免费看蜜臀剧情介绍| 亚洲性xxxx| 欧美大片在线观看| 免费在线欧美黄色| 欧美视频在线观看视频极品| 亚洲四色影视在线观看| 久久久久久久激情视频| 国产综合久久久久久| 国模套图日韩精品一区二区| 亚洲视频精选| 欧美精品色一区二区三区| 国产精品久久久久久五月尺| 亚洲欧洲日产国产综合网| 久久夜精品va视频免费观看| 欧美性猛交xxxx乱大交退制版| 国产午夜精品久久久| 欧美久久久久久| 国产日韩欧美自拍| 欧美一级久久久久久久大片| 午夜精品美女自拍福到在线| 久久精品理论片| 亚洲免费中文| 国产三区二区一区久久| 欧美插天视频在线播放| 欧美gay视频激情| 国产亚洲欧美一区二区| 国产亚洲一区二区精品| 欧美一级片久久久久久久| 韩日精品在线| 亚洲国产影院| 亚洲欧美日韩一区二区三区在线| 136国产福利精品导航| 久热国产精品| 久久亚洲精选| 久久久久国产精品一区二区| 久久精品亚洲热| 久久九九有精品国产23| 亚洲欧美在线磁力| 激情久久一区| 亚洲日本一区二区| 亚洲娇小video精品| 一级日韩一区在线观看| 在线精品亚洲| 国产精品免费网站在线观看| 国产欧美一区二区色老头| 久久青青草综合| 在线播放精品| 国产精品亚洲аv天堂网| 国产精品日产欧美久久久久| 一区二区久久| 亚洲第一网站| 亚洲麻豆国产自偷在线| 欧美日本二区| 欧美精品18videos性欧美| 国产亚洲欧美一级| 亚洲乱码日产精品bd| 在线观看欧美成人| 亚洲乱码国产乱码精品精天堂| 亚洲高清电影| 国产精品拍天天在线| 亚洲精品五月天| 在线观看一区二区精品视频| 欧美午夜精品久久久久久超碰| 国产精品一区免费观看| 性欧美8khd高清极品| 国产欧美日韩在线视频| 国产精品网站视频| 国产精品乱码一区二三区小蝌蚪| 午夜一级在线看亚洲| 国产欧美日韩精品在线| 国模套图日韩精品一区二区| 亚洲视频在线视频| 中文无字幕一区二区三区| 欧美精品一卡二卡| 欧美日韩国产欧| 日韩手机在线导航| 久久久久久午夜| 国产欧美日韩一级| 欧美综合激情网| 国产精品久久777777毛茸茸| 在线观看一区视频| 久久麻豆一区二区| 欧美日韩国产综合久久| 国产主播一区二区三区| 在线成人www免费观看视频| 欧美激情视频在线免费观看 欧美视频免费一| 一区二区三区四区五区精品| 欧美一区国产二区| 欧美午夜三级| 亚洲永久在线| av成人国产| 国产精品夜夜嗨| 午夜精品国产精品大乳美女| 欧美午夜在线一二页| 亚洲国产另类精品专区| 亚洲国产一区二区a毛片| 欧美午夜视频| 欧美三级第一页| 亚洲精品乱码久久久久| 亚洲一区二区三区四区视频| 国产精品综合网站| 国产精品亚洲片夜色在线| 日韩视频二区| 欧美有码在线观看视频| 久久中文字幕导航| 亚洲一级高清| 亚洲第一二三四五区| 美女诱惑一区| 在线观看国产日韩| 极品少妇一区二区| 亚洲国产精品免费| av成人免费在线观看| 午夜欧美精品| 亚洲视频综合| 欧美高清在线| 亚洲第一级黄色片| 亚洲二区在线| 一区二区日韩免费看| 国产精品一区二区久激情瑜伽| 久久视频在线看| 亚洲视频999| 亚洲日本精品国产第一区| 国产日韩欧美另类| 欧美精品粉嫩高潮一区二区| 国产精品av免费在线观看| 欧美精品一卡二卡| 中国av一区| 欧美日韩亚洲一区| 亚洲黄一区二区| 欧美亚洲在线视频| 国产精品久久久久久久久| 国产精品视频一区二区高潮| 激情六月婷婷综合| 欧美日韩一区二区视频在线观看| 蜜臀99久久精品久久久久久软件| 黄色av一区| 国产偷国产偷精品高清尤物| 国产日韩欧美一区二区三区在线观看| 欧美福利小视频| 美女视频网站黄色亚洲| 欧美在线看片a免费观看| 亚洲人成网站999久久久综合| 一区二区欧美日韩视频| 亚洲少妇在线| 噜噜噜噜噜久久久久久91| 麻豆精品视频在线观看视频| 亚洲美女91| 亚洲精品乱码久久久久久蜜桃91| 国外成人在线视频网站| 一区二区视频免费在线观看| 欧美大片一区二区三区| 国产一区二区三区成人欧美日韩在线观看| 国产精品亚洲综合天堂夜夜| 欧美视频在线一区| 国产欧美一区二区三区久久人妖| 亚洲精品视频一区| 国产精品成人免费| 国产精品一区二区三区免费观看| 亚洲夜晚福利在线观看| 欧美激情网站在线观看| 午夜精品免费| 欧美精品在线极品| 免费日韩精品中文字幕视频在线| 美女主播一区| 国产在线视频不卡二| 欧美韩日亚洲| 亚洲一区国产| 这里是久久伊人| 99这里只有精品| 国产色视频一区| 亚洲在线视频| 黄色成人91| 午夜精品国产| 美日韩精品视频| 久久人体大胆视频| 免费在线一区二区| 国产精品嫩草影院一区二区| 久久综合色综合88| 久久国产66| 欧美高清在线观看| 男女精品视频| 黄网站色欧美视频| 欧美精品三区| 欧美日韩国产在线观看| 亚洲网在线观看| 亚洲精品老司机| 欧美福利在线观看| 99re热这里只有精品免费视频| 99视频精品在线| 国产精品手机视频| 伊人一区二区三区久久精品| 欧美人与性动交cc0o| 国产精品日产欧美久久久久| 老司机精品视频网站| 国产精品久久久久影院亚瑟| 久久这里有精品视频| 一区二区不卡在线视频 午夜欧美不卡'| 欧美日韩三级视频| 国产欧美一区二区三区视频| 亚洲视频在线一区观看| 西瓜成人精品人成网站| 日韩午夜在线电影| 欧美日韩在线观看视频| 欧美日本亚洲韩国国产| 香港成人在线视频| 亚洲国产精品激情在线观看| 亚洲欧美日韩一区二区三区在线| 欧美视频中文字幕| 9色porny自拍视频一区二区| 性色av一区二区怡红|