脑部MR图像的Sigma-IFCM分割算法

geniuskall

受成像原理、设备及环境的影响，脑部MR图像一般都有大量的噪声，给图像分割造成很大困难。在IFCM算法的基础上通过引用Sigma过滤器原理。改变邻居像素点的计算方法，对分割后的图像进行去毛刺和边部光滑处理，并在模拟的脑部MR图像上进行分割实验。

     图像分割是把图像分割成互不相交的区域，使每个区域内的像素具有某种相似的特征，以便对图像进行后续处理。图像分割是图像分析的难点之一，至今没有一个通用且有效的图像分割方法能够满足不同的需求[1][2]。在脑部MR图像分析中该问题尤为突出[3]。

    在诸多的图像分割算法中，模糊C均值(FCM)分割算法是目前应用最广泛的分割算法之一。最早由Dunn提出，后经Bezdek改进[4]。由于模糊集理论对图像的不确定性有较好的描述能力，因此FCM算法在医学图像分割中取得了良好的分割效果。最早把FCM算法用于医学脑部图像分割的是LiC L等人[5]。由于医学图像常有各种未知噪声，因此给分割带来很大的困难。已有一种改进的FCM(IFCM)算法用来解决该问题，并取得了很好的效果[6]。在此基础上，本文提出一种新的FCM改进算法，即Sigma-IFCM(Sigma Improved Fuzzy C-Means)算法。这种新算法用Sigma过滤器理论考虑邻居像素，并使用去毛刺和边部光滑技术来修正分割后的脑部图像。从实验结果看，分割效果比IFCM算法有较大的改善。

lvyongshjd

lvyongshjd

tilun

Thanks !!!

lvyongshjd