粒子群优化算法在脑部肿瘤图像分割中的应用

被引：4

作者：

黄峰茜

陈春晓

吴文佳

机构：

[1] 南京航空航天大学自动化学院

来源：

河南科技大学学报(自然科学版) | 2007年 / 06期

关键词：

图像分割; 粒子群优化; 适应度函数; 聚类;

D O I：

10.15926/j.cnki.issn1672-6871.2007.06.028

中图分类号：

R739.4 [神经系肿瘤]; R318 [生物医学工程];

学科分类号：

100214 ; 0831 ;

摘要：

粒子群优化算法能选择适当的适应度函数,使每组粒子群根据相应的适应值搜索到最佳聚类中心,改善了FCM算法和K-means算法的不足,具有适应性强,实时性好,受噪声影响小等特点。本文将其应用于脑部肿瘤图像的分割,结果表明,粒子群聚类算法是一种很有潜力的图像分割方法。

引用

页码：97 / 99+113 +113

页数：4

共 6 条

[1] 基于量子行为的微粒群优化算法的图像分割 [J].

龙海侠 ;

须文波 ;

孙俊 .

计算机工程与应用, 2006, (28) :54-55+76

[2] 基于PSO算法的图像分割方法 [J].

董建明 ;

胡觉亮 .

计算机工程与设计, 2006, (18) :3377-3378+3387

[3] 基于模糊均值聚类算法的图像分割 [J].

张磊 ;

朱斌 ;

南立军 .

装甲兵工程学院学报, 2006, (04) :68-70

[4] 基于数据挖掘的图像分割技术研究与应用 [J].

黄绍川 .

微电子学与计算机, 2006, (07) :171-173

[5] 生物医学工程中图像分割的应用 [J].

孟颖 ;

陈树越 .

山西电子技术, 2006, (02) :38-40

[6] 基于开放式遗传算法的图像阈值选取 [J].

张淑艳 ;

姚晓东 ;

邹俊忠 ;

王行愚 .

华东理工大学学报, 2004, (02) :170-174

← 1 →