基于模糊C均值与改进布谷鸟优化的医学图像分割

摘要

在医学图像分割算法的研究中,针对模糊C均值(FCM)聚类算法,存在受初始聚类中心影响较大、搜索过程容易陷入局部最优的缺陷。本文将布谷鸟算法与FCM聚类算法有机结合,提出了一种基于自适应布谷鸟算法的模糊聚类算法,并应用于医学图像分割中。该算法利用布谷鸟算法全局性与鲁棒性的优点,弥补了传统FCM算法聚类中心选取的随机性,并且在标准布谷鸟算法(CS)的基础上,使用自适应步长,使步长随迭代次数的增加而减少,这样不仅可提高种群搜索后期的局部搜索能力,而且减少了算法的时间复杂度。实验结果表明,改进的算法(ACS-FCM)具有良好的分割效果与运行效率。