FCM聚类算法和粗糙集在医疗图像分割中的应用

本文通过结合FCM聚类算法和粗糙集,提出了一种新的图像分割方法。首先,以不同聚类数情况下FCM的分割结果为依据构建属性值表,基于属性构成的不可分辨关系将图像分成多个小区域;然后,通过值约简获得各属性权值并以此为依据,计算各区域之间的差异度,进而通过差异度定义的等价关系,实现各区域相似度评价;最后,通过相似度定义的最终等价关系实现区域合并,完成图像分割。该方法在人工生成图像和大脑CT图像及MRI图像的分割中得到验证,实验结果表明,本文方法和FCM方法相比,可以降低错分率,且对模糊边界区域的分割效果较好。