一種基於fcm的四鄰域歸類方法
2023-07-18 03:54:31
一種基於fcm的四鄰域歸類方法
【專利摘要】本發明公開了一種基於FCM的四鄰域歸類方法，包括以下步驟：將預處理圖像進行FCM聚類分割處理；初始化FCM聚類算法的隸屬度矩陣的聚類中心；計算FCM聚類分割處理後的圖像的隸屬度矩陣；判斷價值函數J是否滿足條件，如果滿足，則算法停止；計算新的聚類中心；運用四鄰域判斷的方法進行處理。與現有技術相比，本發明在FCM對腦部圖像處理後的基礎上，對處理結果圖像進行四鄰域判斷歸類，經過編程實驗驗證了該方法能夠很好地改善FCM對組織連通性的破壞，得到的處理結果圖像中組織的連通性更好，聚類效果更加科學。基於FCM的四鄰域判斷聚類效果更符合組織的完整性、連通性，能夠更好地表現出腦部組織的信息，在實際應用中具有很好的幫助作用。
【專利說明】-種基於FCM的四鄰域歸類方法
【技術領域】
[0001] 本發明涉及醫學圖像分析處理【技術領域】，特別是一種基於FCM的四鄰域歸類方 法。
【背景技術】
[0002] 圖像分割技術能夠實現對圖像中目標物體的提取，通過對目標物體的提取分析， 能夠得到大量具有價值的信息，已經應用於航天探測、醫學診斷等行業。圖像分割技術一直 是圖像處理領域研究的熱點。在醫學領域中腦部圖像中的腦部組織存在模糊性和不確定 性，對腦部圖像基於Roberts算子、Sobel算子、Laplacian算子的邊緣檢測分割能夠實現對 腦部圖像中組織的邊緣提取，但是對於腦部組織的分割提取基本沒有效果，這是因為腦部 區域組織的特徵值變化緩慢，基於邊緣檢測的方法不能將腦部中的組織提取出來。FCM聚類 算法是一種基於全局劃分的聚類算法。首先，初始化聚類中心或初始化隸屬度矩陣；其次， 利用隸屬函數計算目標對象的隸屬度或利用計算聚類中心的公式計算聚類中心；最後，在 價值函數的條件控制下迭代修正聚類中心和隸屬度矩陣。最終，使得被劃分在同一類的對 象相似度最大，不同類之間的相似度最小，經過對對象的隸屬度矩陣判斷就可以實現對圖 像的聚類分割。FCM被廣泛用於人工智慧、模式識別和數據挖掘等領域。
[0003] FCM聚類算法在對腦部圖像進行聚類分割後，雖然可以得到較好的腦部分割圖像， 但是，腦部組織的模糊性和FCM的聚類過程造成了組織的不連通性。
【發明內容】
[0004] 本發明的目的是要提供一種基於FCM的四鄰域歸類方法，實現對腦部區域組織連 通性被破壞的改善。
[0005] 為達到上述目的，本發明是按照以下技術方案實施的：
[0006] 一種基於FCM的四鄰域歸類方法，包括以下步驟：
[0007] 1)將預處理圖像進行FCM聚類分割處理；
[0008] 2)初始化FCM聚類算法的隸屬度矩陣的聚類中心，Vi (i = 1、2、3···); 「00091 3)計筧FCM聚類分割#理後的圖像的隸屬度矩陣，
【權利要求】
1. 一種基於FCM的四鄰域歸類方法，其特徵在於，包括以下步驟： 1) 將預處理圖像進行FCM聚類分割處理； 2) 初始化FCM聚類算法的隸屬度矩陣的聚類中心，Vi(i= 1、2、3…）； 3) 計算FCM聚類分割處理後的圖像的隸屬度矩陣，
4) 將·
且=1帶入步驟3)的隸屬度 矩陣，判斷價值函數J是否滿足條件，如果滿足，則算法停止； 5) 通過步驟3)的隸屬度矩陣計算新的聚類中心，
6) 將步驟5)處理後的圖像運用四鄰域判斷的方法進行處理，當像素的四鄰域的特徵 值都是一類時，則說明該像素是屬於其鄰域像素這一類的，將其歸入其鄰域類，否則保持該 像素點的特徵值不變。
【文檔編號】G06T7/00GK104240196SQ201410415183
【公開日】2014年12月24日 申請日期:2014年8月21日 優先權日:2014年8月21日
【發明者】洪歧 申請人:陝西理工學院