周晓宇 张龙波 王 雷

(山东理工大学计算机科学与技术学院 山东 淄博 255000)

0 引 言

图像分割技术[1]作为计算机视觉与图像处理领域的一项基础任务，在医学、军事、工业制造等领域得到了有力应用。其中，医学图像分割[2]是一种在2D或3D影像内自动或半自动检测边界的过程，是各种医学影像应用的基础。然而由于医学图像模态和成像方式的各异性，除了常见的基于边界与基于区域的方法外，也常考虑针对分割目标特点建模的方法，并且不断引入新的数学模型与工具，采取新的手段进行分割，如模糊理论[3]、人工神经网络[4]、智能优化算法[5]、活动轮廓模型[6]等。

图像分割中的聚类算法依据对象间不同特征、相似性、亲密度等关系对图像像素进行分类，使得同区域内的像素依据某些属性是均匀的，且不同区域间的像素不相似。其中，模糊C均值聚类算法[7]以其简单、收敛性快等优势广泛应用于图像分割领域。然而，FCM算法难以克服噪声干扰对图像分割结果的影响。为了进一步提高FCM算法的抗噪性,Chuang等[8]提出一种基于空间域的模糊C均值聚类(SFCM)算法,在FCM算法的基础上引入了图像像素间的空间位置信息，有效提高了模糊聚类方法的抗噪性能。文献[9]提出结合空间邻域信息的核FCM图像分割方法，在模糊隶属度函数中融入像素的空间信息,对含噪声及强度不均匀图像具有良好的分割效果。文献[10]将改进FCM算法应用于医学图像分割领域,提出局部自适应调节的FCM算法分割粘连型肺结节图像,在分割精度和执行效率上优于FCM及其相关改进算法。……