| 基于全局优化K均值聚类的医学图像分割方法 |
| |
| 引用本文： | 余柳青,覃晓,元昌安,蔡宏果. 基于全局优化K均值聚类的医学图像分割方法[J]. 广西师范学院学报(自然科学版), 2015, 0(1) |
| |
| 作者姓名： | 余柳青 覃晓 元昌安 蔡宏果 |
| |
| 作者单位： | 1. 广西师范学院 计算机与信息工程学院,广西 南宁,530023
2. 广西教育学院,广西 南宁,530023 |
| |
| 基金项目： | 国家自然科学基金(编号61363037)；广西自然科学基金 |
| |
| 摘 要： | K均值聚类是医学图像分割中最常用的方法之一,但K均值(K-means)聚类算法一个固有缺陷,在于若初始中心点的选取有重复的中心点,则聚类结果将含有空簇而使得聚类结果没有意义,进而影响图像分割效果。针对这一缺陷,首先提出在初始选点过程中进行聚类中心优化,避免产生重复的解决办法——初始点优化K均值算法(Initialization Optimized K-means,IOK-means),继而将初始选点数据域约束到图像直方图峰值集,进一步改善聚类效果,得到全局优化K均值聚类算法(Global Optimized K-means,GOK-means)。将GOK-means应用在脑部医学图像分割的实验表明:GOK-means能够将脑部灰质、白质及骨骼部分清晰地分割,与传统K均值算法IOKmeans相比,GOK-means的初始化聚类中心成功率达到100%,聚类总体均方差降低了54.9%,验证了GOK-means的有效性。
|
| 关 键 词： | K均值聚类 医学图像 图像分割 |
A Medical Image Segmentation Method Based on Global Optimized K-means Clustering |
| |
| YU Liu-qing,QIN Xiao,YUAN Chang-an,CAI Hong-guo. A Medical Image Segmentation Method Based on Global Optimized K-means Clustering[J]. Journal of Guangxi Teachers Education University:Natural Science Edition, 2015, 0(1) |
| |
| Authors: | YU Liu-qing QIN Xiao YUAN Chang-an CAI Hong-guo |
| |
| Abstract: | |
| |
| Keywords: | K-means Clustering medical image image segmentation |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
