基于改进模糊聚类算法的CT图像病变区域分割.docVIP

基于改进模糊聚类算法的CT图像病变区域分割 　　摘 要： 针对CT图像病变区域存在的欠分割和过分割问题，提出基于融合空域滤波器的改进模糊聚类算法。对CT图像进行预处理，将CT图像变换成通用图像，使输入图像具有一致直方图灰度分布，用区域生长方法标记和过滤非目标病变区域，获取脑部CT图像目标病变区域。通过改进的空域滤波器对噪声图像进行滤波去噪，对模糊聚类算法的目标函数和迭代公式融入空域滤波数据项确定隶属度矩阵，完成CT图像病变区域的分割。实验结果表明，所提方法在人脑CT图像血块区域进行分割过程中，具有较高的分割效率和精度，对噪声具有较高的鲁棒性。 　　关键词： 改进模糊聚类算法； CT图像； 病变区域分割； 隶属度矩阵 　　中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）24?0100?04 　　CT image?s lesion area segmentation based on improved fuzzy clustering algorithm 　　SU Bo1， ZHU Min2 　　（1. Faculty of Information Engineering， Guizhou Institute of Technology， Guiyang 550003， China； 　　2. Research Institute of Agricultural Bioengineering， Guizhou University， Guiyang 550003， China） 　　Abstract： To solve the under?segmentation and over?segmentation problems existing in the lesion area segmentation of CT images， an improved fuzzy clustering algorithm based on spatial filter fusion is put forward. The preprocessing of CT image can transform the CT image into a general image by means of the algorithm to make the input image have the consistent histogram gray?scale distribution. The region growing method is used to mark and filter the non?target lesion area to obtain the target lesion area of the brain CT images. The improved spatial filter is used to conduct the filtering and denoising of the noise image. The objective function and iterative formula of the fuzzy clustering algorithm are added into the spatial filtering data items to determine the membership matrix， so as to segment the lesion area of CT images. The experimental results indicate that the algorithm has high segmentation efficiency and precision in the segmentation process of blood clot region of the human brain CT images， and good robustness to resist the noise. 　　Keywords： improved fuzzy clustering algorithm； CT image； lesion area segmentation； membership matrix 　　0 引 言 　　当今的医学图像分割对医学研究领域起着举足轻重的作用。随着影像技术的高速发展，临床医学中对大量的医学图像进行分析，通过图像分割技术对图像病变区域分割，为医生进行病理分析和治疗提供可靠的分析依据[1?3]。由于CT图像图像具有复杂性和多变性，并且较为模糊，存在较多的