基于模糊C均值聚类的医学图像分割研究

摘要：

模糊C均值聚类算法（FCM）在硬C均值聚类的基础上有效地解决了医学图像分割中存在的模糊情况，通过建立表示图像中像素点与聚类中心加权相似度的目标函数，采用迭代优化的方法求解目标函数的极小值来确定最佳聚类。针对FCM算法中存在的对大样本数据分割速度慢、结果易受初始值影响、对噪声敏感、难以适应多种数据分布等缺陷，涌现出了大量的改进算法。对其中的部分改进算法进行综述，主要介绍快速FCM算法、基于初始值选取的FCM算法、基于空间邻域信息的FCM算法以及基于核函数的FCM算法等，并对其优缺点进行概要的总结和介绍。指出该算法进一步的研究方向。

关键词：模糊C均值聚类、医学图像分割、核函数、空间信息

分类号：TP391.72(计算技术、计算机技术)

资助基金：陕西省科学技术研究发展计划项目No.2012K06-36；中央高校基本科研业务费自由探索项目No.GK201102006。

在线出版日期：2014-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：144-151