基于模糊聚類理論的腦MR圖像分割算法的研究.pdf

1、腦MR圖像分割是對腦進(jìn)行各種高級處理的基礎(chǔ)，是腦功能性研究的首要任務(wù)，而且對于腦發(fā)育、腦疾病的研究與診斷也有著極其重要的作用，從而可以輔助醫(yī)生對病人制定后續(xù)的治療和恢復(fù)計(jì)劃。
　　本文首先介紹了模糊集理論，對模糊集與模糊聚類之間的關(guān)系進(jìn)行了論述。文中引入了硬C均值(HCM)算法，進(jìn)而得到了應(yīng)用更加廣泛的模糊C均值聚類算法。隨后本文利用Lagrange乘子法對目標(biāo)函數(shù)的最優(yōu)化問題進(jìn)行推導(dǎo)，對其收斂條件進(jìn)行了論證。文中引入了幾種分割質(zhì)

2、量評估參數(shù)，用來對不同的算法進(jìn)行性能評估。
　　本文對核函數(shù)的概念及性質(zhì)進(jìn)行論述，進(jìn)而使用高斯核函數(shù)來對FCM算法目標(biāo)函數(shù)中的距離項(xiàng)進(jìn)行改進(jìn)，以此來加強(qiáng)算法的有效性。文中引入了一種概率C均值(PCM)算法，該算法沒有隸屬度約束項(xiàng)，并且有與不同類別相對應(yīng)的概率系數(shù)。把PCM算法的目標(biāo)函數(shù)用核函數(shù)改進(jìn)，進(jìn)而得到了一種基于核函數(shù)的概率C均值聚類(KPCM)算法。
　　本文對影響算法快速性的因素進(jìn)行討論，提出了一種新的初始化方法來對

3、模糊聚類的快速算法(HFFCM)進(jìn)行初始化操作。該方法使用高斯函數(shù)對圖像直方圖進(jìn)行濾波，以此來實(shí)現(xiàn)算法的初始化。HFFCM算法利用了直方圖統(tǒng)計(jì)法來減少其計(jì)算量。實(shí)驗(yàn)結(jié)果表明，HFFCM算法的分割速度遠(yuǎn)超幾種基本的聚類算法，并且其分割質(zhì)量與FCM算法相當(dāng)。
　　本文利用空間信息來對模糊聚類算法進(jìn)行改進(jìn)，先后引入了DFCM算法、sFCMpq算法，最后，本文提出了一種基于自適應(yīng)中值理論的快速模糊聚類(AMFFCM)算法。該算法利用了DF