%0 Journal Article
%T 基于模糊聚类水平集的医学图像分割方法
%A 吴杰？
%A 朱家明？
%A 陈静？
%J 计算机科学
%D 2015
%X 医学图像分割是图像分割的一个重要应用领域,医学图像普遍存在高噪声、伪影、低对比度、灰度不均匀、不同软组织之间与病灶之间边界模糊等特点,因此运用聚类算法,结合李春明模型(lcm)和两相水平集分割方法(cv),首先选用合适的滤波器对医学图像进行去噪,然后使用模糊c均值算法(fcm)获得图像的先验模型；并对传统的cv模型进行改进,对图像进行细分割。实验表明,该模型可以解决图像高噪声、弱边界问题,并可以有效避免重新初始化,对边缘更加敏感,可提高分割精度,有效的抑制噪声,明显的减少迭代次数和时间,具有一定应用价值。。
%K 模糊c均值聚类
%K 滤波器
%K lcm模型
%K fcm-lcmcv水平集方法
%U http://www.jsjkx.com/jsjkx/ch/reader/view_abstract.aspx?file_no=201511A037&flag=1