基于模糊聚类空间模型的非均匀MR图像分割

模糊C-均值聚类算法(FCM)已广泛地运用到MR图像的分割中。但传统的算法中未利用图像的空间信息,在分割叠加了噪声和附加了偏移场的非均匀MR图像时分割效果不理想。本文改进了传统FCM的目标函数,引入控制邻域作用紧密程度的参数,提出了一种能够更加合理地运用图像的空间信息,改进的模糊C-均值聚类算法。通过对脑部MR 图像的分割实验表明,该算法能够比传统的FCM和其它改进算法对非均匀图像进行更精确的分割。