基于空间域模糊聚类与CV模型的医学图像分割

摘要

cqvip:针对CV模型分割图像时存在的分割精度低及对初始轮廓敏感等问题,提出一种CV模型结合空间域模糊C均值聚类(Spatial fuzzy C-means,SFCM)的图像分割算法(SFCM-CV),用于边界不清晰、存在伪影且含有高噪声的MRI及CT图像分割。在利用空间域模糊C均值聚类算法对图像进行粗分割的基础上,用聚类信息来辅助CV模型设定初始轮廓,迭代演化分割出目标区域。实验结果表明,当迭代次数仅为50时,SFCM-CV算法分割人脑MRI图像的Dice系数为89.17%,比传统CV模型提高了38.9%。可知该算法对医学图像的区分度更高、分割效果更好。