基于加权像素距离和相对熵的模糊C均值聚类改进算法研究

摘要

目的提出一种基于加权像素距离和相对熵的模糊C均值(Fuzzy C-means,FCM)改进算法。方法第一步采用局部平均隶属度倒数构建加权像素距离函数,第二步采用相对熵调整像素隶属度函数,最后根据改进的FCM聚类算法分割包含噪声的仿真图像和临床实例图像。图像分割结果评价指标采用分割错误率、划分系数、划分熵和Xie-Ben系数,并与标准FCM算法、基于局部数据距离的FCM算法、基于局部隶属度信息的FCM算法等算法进行比较。结果定性分析显示,本研究FCM改进算法获得的分割图像噪点最少,图像清晰度和对比度最佳。定量评价显示,采用本研究提出的FCM改进算法获得的图像分割评价指标均优于其他三种FCM算法,其中仿真图像分割错误率为0.09%±0.03%,划分系数为(0.9986±0.0003),划分熵为(0.0024±0.0009),Xie-Ben系数(0.2114±0.0019)。结论联合使用加权像素距离和相对熵能有效降低图像噪声,提高分割精度,具有较高的临床应用价值。