邹 蕾

(吉林警察学院信息工程系，吉林长春 130117)

基于模糊聚类双水平集的医学图像分割算法

邹 蕾

(吉林警察学院信息工程系，吉林长春 130117)

医学图像分割对于医生诊断患者病情具有重要意义。然而，由于医学图像本身的特点，导致对于医学图像的分割具有相当大的难度，比如噪声多，边界模糊等。本文首先采用模糊C均值聚类方法对医学图像进行初始分割，获得大致的医学图像分割图，然后利用改进的水平集算法，分割图进行二次分割，这样可以大大减少水平集迭代次数，加快算法收敛时间，对于医生诊断病情具有重要意义。

模糊C均值聚类；噪声；改进的水平集算法

传统C-V模型的水平集算法基于图像的局部信息进行图像分割，可以对多个部分进行同时分割，能够处理复杂拓扑结构的图像，对于图像的梯度信息、图像的边界信息不敏感。传统C-V模型水平集的算法用于医学图像分割较为困难，这不仅由于医学图像低对比度、噪声较多、图像分布不均匀等，还由于传统的C-V算法是基于背景和图像进行分割的，当出现多个背景和目标时，则不能进行很好的分割。

本文采用模糊C均值聚类方法首先对医学图像进行初次分割，由于C均值聚类算法自身特点，可以通过较少的迭代次数获得较快的大体分割，然后使用改进的水平集算法进行二次分割，这样可以加快整个算法的执行速度，获得很好的分割。

1 模糊C均值聚类

模糊C均值聚类算法通过聚类目标函数推导得出。……