使用模糊可能性 C 均值算法的肺部图像分割新方法
计算机视觉与模式识别
2010-04-13 v1
摘要
图像分割是图像处理的重要组成部分。分割在医学图像领域有着广泛的应用，用于诊断疑难疾病。同样的医学图像可以手动分割。但是，使用分割算法进行图像分割的准确度比手动分割更高。在医学诊断领域，目前有各种各样的成像技术可用，如射线照相术、计算机断层扫描（CT）和磁共振成像（MRI）。医学图像分割是大多数后续图像分析任务的关键步骤。尽管原始的 FCM 算法在分割无噪声图像时能产生良好的结果，但它无法分割被噪声、离群点和其他成像伪影破坏的图像。本文提出了一种使用改进模糊 C 均值（FCM）算法和模糊可能性 C 均值算法（FPCM）的图像分割方法。该方法是标准模糊 C 均值聚类（FCM）算法的广义版本。传统 FCM 技术的局限性在修改标准技术时被消除。改进的 FCM 算法通过修改标准 FCM 算法的距离度量来构建，以允许一个像素的标号受其他像素影响，并在分割过程中抑制噪声效应。目标函数中不再只有一项，而是包含了第二项，迫使隶属度尽可能高，而不受最大值 1 的限制约束。在真实图像上进行了实验，以研究提出的改进 FCM 技术在分割医学图像中的性能。对标准 FCM、改进 FCM、模糊可能性 C 均值算法（FPCM）进行了比较，以探索我们提出方法的准确性。
关键词
引用
@article{arxiv.1004.1768,
title = {A New Approach to Lung Image Segmentation using Fuzzy Possibilistic C-Means Algorithm},
author = {M. Gomathi and P. Thangaraj},
journal= {arXiv preprint arXiv:1004.1768},
year = {2010}
}
备注
IEEE Publication format, ISSN 1947 5500, http://sites.google.com/site/ijcsis/