基于改进模糊C均值聚类算法的脑部MRI图像分割方法

摘要

一种基于改进模糊C均值聚类算法的脑部MRI图像分割方法，步骤如下：一：利用模糊C均值算法做初始分类；二：给定聚类数目c，模糊因子m，算法迭代停止的阈值ε，最大迭代次数max，邻域窗口大小及其它需人工设定的参数；三：计算两个像素点间的相似度矩阵W；四：计算像素点对类的相似度ρ_ki；五：更新隶属度矩阵U；六：如果||U^(t+1)‑U^(t)||＜ε或t＝max，停止迭代，输出U^(t+1)；否则t＝t+1并转到步骤四；七：针对U^(t+1)采用最大隶属度法进行去模糊操作，分配标签完成图像分割；本发明完成了改进聚类中心形式、引入局部空间信息和利用直觉模糊集信息这三处优化，达到了增强抗噪性、提高分割精度的效果，解决了对脑部MRI图像进行高精度分割的实际问题。