基于模糊C-均值聚类的MRI图像分割优化方法研究

摘要

图像分割是脑部核磁共振图像处理的核心内容，是三维重建的影像基础，并可为临床诊断和辅助治疗提供有力的保障。核磁共振成像（MRI）具有因部分容积效应、灰度不均匀和噪声等因素引起的不确定性和模糊性，模糊C-均值聚类（FCM）算法在分割此类图像中有较好的效果。针对FCM算法对初始聚类中心和噪声敏感的缺陷，本文主要做了以下几方面的工作：
　　（1）针对FCM初始聚类中心寻优算法易陷入局部最优问题，本文提出基于遗传和粒子群随机混合寻优算法，该算法通过随机进行遗传变异或粒子群迭代增加了寻优过程中种群的多样性，有效增大了脱离局部最优的可能，并改善了FCM分割算法性能。
　　（2）对基于邻域像素信息的图像分割技术进行研究。通过马尔可夫随机场引入邻域像素的标号场信息、高斯模型引入邻域像素的特征场信息克服噪声对FCM分割结果的影响，并利用本文的遗传和粒子群随机混合寻优算法自动选取FCM分割目标函数中的标号场和特征场作用强度等参数，使参数选取更合理。
　　(3)通过MRI图像的直方图数据，选取用于邻域像素作用强度参数计算的部分和用于初始聚类中心优化的初值，从而提高本文优化算法的计算效率。

目录

声明

第一章 绪论

1.1 研究背景和选题依据

1.2 研究现状

1.3 本文主要工作

1.4 本文章节安排

第二章 MRI图像和基于FCM算法的图像分割算法

2.1 核磁共振图像简介

2.2 模糊理论基础

2.3 标准模糊C-均值聚类分割算法

2.4 几种经典的FCM改进算法

2.5 分割结果评价指标

2.6 小结

第三章 MRI模糊C聚类分割中初始聚类中心的选取

3.1 初始聚类中心的选取对FCM算法性能的影响

3.2 基于全局寻优的FCM初始聚类中心选取

3.3 改进的FCM初始聚类中心选取算法

3.4 仿真实验与分析

3.5 小结

第四章 基于MRI图像邻域信息的改进FCM算法

4.1 引言

4.2 基于像素邻域信息改进的FCM算法

4.3 实验结果以及分析

4.4 小结

第五章 基于FCM算法改进的MRI脑部图像分割方法

5.1 引言

5.2 基于FCM算法改进的MRI图像分割方法

5.3 分割实验结果

5.4 小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

附录1 攻读硕士学位期间撰写的论文

致谢