基于模糊C均值聚类算法的脑部CT图像分割  

Brain CT Image Segmentation Based on Fuzzy C-means Clustering Algorithm

作　　者：蒋文娟[1] 李富芸[1] 徐冬[1] JIANG Wen-juan;LI Fu-yun;XU Dong(School of Information Science and Technology,Hainan Normal University,Haikou 571158,China)Abstract:)

机构地区：[1]海南师范大学信息科学技术学院,海南海口571158

出　　处：《电脑知识与技术》2020年第7期197-198,200,共3页Computer Knowledge and Technology

基　　金：海南省自然科学基金项目(617119);海南省自然科学基金(617122,617124);海南省高等学校科学研究项目(Hnky2017-17)。

摘　　要：模糊C均值聚类(Fuzzy C-Means,FCM)算法是一种常用的基于软划分的模糊聚类算法。首先对FCM算法的原理及步骤进行了描述,然后将其应用于脑部CT图像及添加了噪声的脑部CT图像的分割,从实验结果可以看出FCM算法分割能够清晰地标注出该脑部CT图像中的出血块。通过分割添加了噪声的图像,可以看出在噪声条件下,FCM算法的分割结果不会受到噪声的太大影响。Fuzzy C-means(FCM) algorithm is a common fuzzy clustering algorithm Based on soft classifying. Firstly, the principle and steps of FCM algorithm are described, and then the brain CT image and the brain CT images with noise added are segmented with FCM.It can be seen from the experimental results that the hemorrhagic area in brain CT images can clearly be marked by FCM segmentation.By segmenting the noisy brain CT, the results by FCM algorithm segmentation are not greatly affected by the noise.

关 键 词：FCM 模糊聚类 图像分割 隶属度函数 聚类中心 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]