论文部分内容阅读
目的通过分析模糊C均值(fuzzy c means,FCM)算法中不同的聚类参数对颅脑磁共振图像分割效果的影响,探讨改进的模糊C均值算法对颅脑磁共振图像的最佳分割。方法通过对50幅不同疾病的颅脑磁共振图像,用笔者编制的模糊C均值图像处理程序,进行不同参数设置的处理。这些参数分别是：模糊聚类数C、加权指数m、门限值ε、迭代次数N。按照固定其中三个参数,对另外一个参数进行一定范围值的变化进行图像处理。选取的模糊聚类数C的取值分别是：3、4、5、6、7、8；加权指数m的取值分别是：1.1、1.2、1.3、…、2.6；门限值ε的取值分别是：0.1、0.01、0.001、0.0001、0.00001、0.000001；迭代次数N的取值分别是：5、10、20、30、40、50、60、70、75、80、90、100、200、300、400、500、600、700、800、900、1000。结果对颅脑磁共振图像的分割研究结果表示,模糊聚类数C的取值在6时图像处理效果最好；加权指数m的取值在2.1时图像处理效果最好；门限值ε的取值在1×10-5时图像处理效果最好；迭代次数N的取值在75时图像处理效果最好；结论在基于模糊C均值处理颅脑磁共振图像时参数取：m=2.1；C=6；ε=0.00001；N=75时,图像处理效果最好。