融合Tamura纹理特征的改进FCM脑MRI图像分割算法

• 作者: 乔颖婧 高保禄 史瑞雪 刘璇 王朝辉
• 来源期刊: 计算机科学
• 关键词: 模糊聚类 磁共振影像 Tamura纹理信息 线性融合 初始聚类中心
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 计算机图形学&多媒体|Computer Graphics & Multimedia
• 页码范围: 111-117
• 页数: 7页
• 分类号: TP751
• 语种: 中文
• DOI: 10.11896/jsjkx.200700003

摘要

针对FCM算法在分割脑MRI图像时存在噪声敏感性和初始聚类中心随机性的问题,提出一种融合图像Tamura纹理特征的改进FCM图像分割算法.首先提取图像的Tamura纹理特征,将其与灰度特征线性加权构成融合特征.然后使用模糊邻域关系计算像素点的密度,将其与距离关系结合自适应选取初始聚类中心.最后使用融合特征作为更新隶属度和聚类中心的特征约束.实验利用该方法与FCM,D-FCM,WKFCM方法对Brain Web脑MRI数据集中的图像进行分割,并在抗噪性、准确性和运行效率方面进行了比较.实验结果表明,所提算法能获取更优的初始聚类中心,在处理噪声和灰度不均匀图像上表现出更好的鲁棒性,能够快速有效地分割脑MRI图像.