当前位置:首页 > 计算机 > 计算机应用 >

一种智能的MRI图像分割系统设计

分享到:
作者:管理员。 TAGS:系统,设计,分割,图像,智能,算法,
   海量MRI数据图像的分割是医学界的难题,速度、抑噪和智能性是它的三大瓶颈,许多分割算法都有这方面的缺陷,如EM、CM和FCM。文章考察分析了这些分割算法在这些方面的缺陷症结,针对这些缺陷改进了算法。常用FCM分割算法抑制噪声性能较差,主要原因是特征参数取值问题,通过特征值加权修正可以得到有效的控制;加权FCM算法如果约
束条件太苛刻就很容易缺乏鲁棒性,通过放松归一化条件改进算法,实验表明具有良好的智能性;海量结构数据分割如果由像素点遍历将很耗时,也无法满足实时实际系统。通过建模、变换,设计了一个比较快的分割系统内核,最后构建了一个抑噪、智能而又快速的分割系统。
  原理与设计 
  模糊C-均值FCM算法是图像分割中常用的算法,但对噪声敏感,主要原因是这种算法只对像素的一个灰度参数进行聚类分析,它没有考虑像素点的其他特征,因而受噪声的影响。一般知道,噪声是离散、随机的,而生物组织等有用信息是有规律、连续的。因此,我们可以引进一个特征参数来描述表征这个差别,这个参数就取该像素的一定空间邻域范围的平均灰度值来计算和加权,这就是加权的抑噪FCM算法,也就是,只要将普通的FCM算法的三个主要公式(1)、(2)、(3)的(2)式改为(2-1)、(2-2)式
                   (1)
                                      (2)
                                (3)
                                  (2-1)
                                    (2-2
[论文网 ashaj3ah.com])
 其中J为准则函数,C为聚类数,常取1或2,是聚类中心,是以为聚类中心的隶属度,是距的欧氏距离,邻域灰度均值。2-1式和2-2式表示一个聚类的两个中心灰度值分量由该像素点属于各类的隶属度来决定。所以,理论上说明了这种邻域信息的加权FCM算法能够有效的抑制噪声。
MRI图像数据中如果混有少量噪声都会影响分割的正确性,而且许多现代分割算法都是初始给定类数,而给定的类数不符真实类数时也会影响分割的正确性,即算法没有很强的鲁棒性,缺乏智能性。究其原因,FCM算法有一个严格的归一化条件,但是,如果改进FCM算法,通过改变这个条件,那么在初始划分的类个数小于图像的最大类个数时,这种改进的FCM算法也能正确分割,普通FCM算法的归一化条件和隶属度公式为(4)、(5)式
                                         (4)
                         (5)
显然公式把野值和噪声点都约束在其中,因此明显会影响分割。如果放松归一化条件,即让所有像素对各类的隶属度总和定义为像素点数n。即(4)式变为(6)式
                                  (6)
   在这个新的条件下,计算各类中心的均值的式子不变,而计算隶属度的式子(5)就改变成(7)式
          i=1,2,…n; j=1,2,…c, b=2 (7)
这就是改进的智能FCM算法,从公式可以看出,它们可以使得不属于初始已划定类的像素点的属于这
  • 共3页:
  • 上一页
  • 1
  • 2
  • 3
  • 下一页