基于改进的FLICM的医学图像分割研究*

刘 静，黄玉清,王永俊

(1.西南科技大学 信息工程学院，四川 绵阳 621000；2.四川大学 电子信息学院，四川 成都 610000)



基于改进的FLICM的医学图像分割研究*

刘 静1，黄玉清1,王永俊2

(1.西南科技大学 信息工程学院，四川 绵阳 621000；2.四川大学 电子信息学院，四川 成都 610000)

针对医学图像灰度分布模糊不确定、噪声污染重等特点，提出了一种新的FLICM的改进算法，以进一步提高医学图像的分割精度和算法抗噪性。对FLICM算法严格按照梯度下降法推导获得新的隶属度和聚类中心表达式，然后设计一种充分利用像素的灰度信息和局部空间信息的FLICM改进算法。相比于原FLICM算法的医学图像分割，其抗噪性能更强，分割精度更高。理论分析和实验测试结果表明，该改进算法更适用于医学临床诊断。

医学图像；模糊局部C-均值(FLICM)；梯度下降法；局部空间信息

0 引言

随着医学影像技术的飞速发展，医学图像在生物医学研究和临床实践中发挥着越来越重要的作用。图像分割技术可以用来获取感兴趣目标，提取出准确、可重复、量化的病理生理数据，满足不同的生理医学研究和临床应用的需要。由于诸如噪音、场偏移效应、局部体效应等影响，获取的医学图像不可避免地具有模糊、不均匀等特性，致使医学图像复杂。提高图像分割的准确性，在病例分析、临床诊断以及治疗方面具有重要意义。

由于医学图像的复杂性，模糊聚类分割算法[1]是医学图像分割的首选。传统的FCM算法[2]属于一种局部寻优方法，对初始聚类中心位置敏感，为了克服其对初始值敏感的问题，MEKHMOUKH A等人[3]将粒子群算法引入模糊聚类算法中，对无噪图像分割效果较好，但是对噪声或其他成像干扰仍比较敏感。……