所属单位：计算机科学与工程学院
发表刊物：光学精密工程
项目来源：国家自然科学基金项目
关键字：模糊C均值聚类；脑MRI图像；图像分割；模拟退火遗传算法；高斯核函数
摘要：模糊C均值聚类（Fuzzy C Mean Clustering，FCM）算法因其聚类中心初始化敏感和陷入局部最优的缺点不能对非线性可分离数据进行聚类，而初始聚类中心的选择是随机选取，导致图像分割结果较差。为了克服这一缺点，提出了高斯核模糊C均值聚类。首先为保证传统FCM算法能够快速收敛到准确稳定的聚类中心，提出一种模拟退火遗传算法的模糊C均值聚类算法。该算法利用模拟退火较强的局部搜索能力和遗传算法较强的全局搜索能力，可以有效地选取初始聚类中心,提高收敛速度。为增强改进算法对聚类结果不理想的问题，借助高斯核函数进行非线性变换映射至高维空间，转换为高维空间的线性可分问题，改善脑MRI图像分割效果。在不同类型噪声和偏移场的影响下，本文算法分割时间比其它算法节约1-3倍，概率兰德指数（PRI）至少增加0.01，可以发现本文算法在临床图像分割结果中，分割时间和脑白质与灰质分割精度都有明显优势。对临床脑MRI的图像分割，本文算法比传统FCM算法在速度和精度上具有更好的鲁棒性与有效性。
合写作者：郭凯文,潘宏亮,李阳,侯阿临
第一作者：刘丽伟
论文类型：期刊论文
卷号：25
期号：10
页面范围：3
ISSN号：1004-924X
是否译文：否
CN号：22-1198/TH
发表时间：2018-10-15