目的 針對普通模糊核聚類算法(kernel fuzzy c-means clustering algorithm,KFCM)存在的隨機選擇初始聚類中心的問題,本文提出一種根據(jù)直方圖得到確定的初始聚類中心的模糊核聚類算法,以更快速地分割腦部磁共振圖像。方法 首先利用區(qū)域生長法和形態(tài)學方法對原始腦部磁共振圖像進行預處理,提取腦實質(zhì),然后計算出預處理圖像的直方圖,將直方圖的4個峰值作為模糊核聚類的初始聚類中心,最后利用模糊核聚類算法對腦實質(zhì)進行分割。結(jié)果 本文算法能有效地提取出腦組織中的白質(zhì)(white matter,WM)、灰質(zhì)(grey matter,GM)和腦脊髓液(cerebral spinal fluid,CSF)。與普通模糊核聚類算法相比,該算法的目標函數(shù)能更快地達到平穩(wěn),從而縮短運行時間。結(jié)論 本文算法與隨機選擇聚類中心的模糊核聚類算法相比,可減少迭代次數(shù),更快地得到分割結(jié)果。
|