基于蚁群算法的模糊C均值聚类医学图像分割

山东大学学报(工学版)

基于蚁群算法的模糊C均值聚类医学图像分割

杨立才，赵莉娜，吴晓晴

山东大学控制科学与工程学院，山东济南250061

收稿日期:2007-03-08 修回日期:1900-01-01 出版日期:2007-06-24 发布日期:2007-06-24
通讯作者: 杨立才

Medical image segmentation of fuzzy Cmeans clustering based on the ant colony algorithm

YANG Li-cai,ZHAO Li-na,WU Xiao-qing

School of Control Science and Engineering,Shandong University,Jinan 250061,China

Received:2007-03-08 Revised:1900-01-01 Online:2007-06-24 Published:2007-06-24
Contact: YANG Li-cai

摘要/Abstract

摘要： 在医学图像分割研究中，针对模糊C均值(FCM)聚类算法聚类个数难于确定、搜索过程容易陷入局部最优的缺陷，把蚁群算法与FCM聚类算法有机结合，提出了一种基于蚁群算法的模糊C均值聚类图像分割算法. 该算法首先利用蚁群算法全局性和鲁棒性的优点，得到聚类中心和聚类个数，再将其作为模糊C均值聚类的初始聚类中心和聚类个数，弥补了传统FCM聚类算法的不足，得到了较好的分割效果. 实例分析证明了算法的有效性和实用性.

关键词: 图像分割, 蚁群算法, FCM聚类

Abstract: With the fuzzy Cmeans clustering (FCM) algorithm it is difficult to determine the number of clusters in the research of medical image segmentation, which is easy to get into a local optimum. To overcome these shortcomings，a fuzzy Cmeans clustering algorithm is presented for image segmentation based on the ant colony algorithm. First, the overall robustness advantages of the ant colony algorithm are used to get the cluster center and the number of the clusters of the image. Then the results are obtained as the initial cluster centers and the number of clusters of fuzzy Cmeans clustering algorithm. This algorithm overcomes the shortcomings of traditional ones and gets better results. Analysis of the examples is given to prove the effectiveness and practicality of this algorithm.

Key words: ant colony algorithm, FCM clustering , image segmentation

中图分类号:

TP317.4

杨立才,赵莉娜,吴晓晴 . 基于蚁群算法的模糊C均值聚类医学图像分割[J]. 山东大学学报(工学版), 2007, 37(3): 51-54 .

YANG Li-cai,ZHAO Li-na,WU Xiao-qing . Medical image segmentation of fuzzy Cmeans clustering based on the ant colony algorithm[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2007, 37(3): 51-54 .

参考文献

相关文章 15

[1]	刘全金,嵇文,胡浪涛,黄汇磊,杨瑞,李翔,高泽文,魏本征. 基于双解码器的医学图像分割模型[J]. 山东大学学报 (工学版), 2024, 54(6): 8-18.
[2]	高泽文,王建,魏本征. 基于混合偏移轴向自注意力机制的脑胶质瘤分割算法[J]. 山东大学学报 (工学版), 2024, 54(2): 80-89.
[3]	董璐璐,宋金涛,魏伟波,潘振宽. 多相图像分割变分模型的标签函数提升方法[J]. 山东大学学报 (工学版), 2022, 52(4): 54-68.
[4]	郝晋一,李鹏程,黄艺美,李金屏. 基于穿线法的轮胎X光图像畸变检测[J]. 山东大学学报 (工学版), 2022, 52(3): 9-17.
[5]	覃俊,李蔚栋,易金莉,刘晶,马懋德. 基于双重启发式信息求解影响最大化问题的蚁群算法[J]. 山东大学学报 (工学版), 2020, 50(3): 45-50.
[6]	董新宇,陈瀚阅,李家国,孟庆岩,邢世和,张黎明. 基于多方法融合的非监督彩色图像分割[J]. 山东大学学报 (工学版), 2019, 49(2): 96-101.
[7]	黄劲潮. 基于快速区域建议网络的图像多目标分割算法[J]. 山东大学学报(工学版), 2018, 48(4): 20-26.
[8]	陈嘉杰,王金凤. 基于蚁群算法求解Choquet模糊积分模型[J]. 山东大学学报(工学版), 2018, 48(3): 81-87.
[9]	胡金戈,唐雁. 基于视觉中心转移的视觉显著性检测方法[J]. 山东大学学报(工学版), 2017, 47(3): 27-33.
[10]	李璐,范文涛,杜吉祥. 基于Markov随机场的Student's t混合模型的脑MR图像分割[J]. 山东大学学报(工学版), 2017, 47(3): 49-55.
[11]	樊淑炎, 丁世飞. 基于多尺度的改进Graph cut算法[J]. 山东大学学报(工学版), 2016, 46(1): 28-33.
[12]	王启明, 李战国, 樊爱宛. 基于博弈论的量子蚁群算法[J]. 山东大学学报(工学版), 2015, 45(2): 33-36.
[13]	于海晶1,2, 李桂菊1*. 基于差分盒维数的彩色烟雾图像识别[J]. 山东大学学报(工学版), 2014, 44(1): 35-40.
[14]	戚世乐,王美清. 自适应分割弱边缘的活动轮廓模型[J]. 山东大学学报(工学版), 2013, 43(6): 17-20.
[15]	管燕,李存华*,仲兆满,孙兰兰. 化学分子结构图分割算法[J]. 山东大学学报(工学版), 2012, 42(5): 65-70.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	李侃 . 嵌入式相贯线焊接控制系统开发与实现[J]. 山东大学学报(工学版), 2008, 38(4): 37 -41 .
[2]	来翔 . 用胞映射方法讨论一类MKdV方程[J]. 山东大学学报(工学版), 2006, 36(1): 87 -92 .
[3]	余嘉元1 , 田金亭1 , 朱强忠2 . 计算智能在心理学中的应用[J]. 山东大学学报(工学版), 2009, 39(1): 1 -5 .
[4]	陈瑞,李红伟,田靖. 磁极数对径向磁轴承承载力的影响[J]. 山东大学学报(工学版), 2018, 48(2): 81 -85 .
[5]	王波,王宁生 . 机电装配体拆卸序列的自动生成及组合优化[J]. 山东大学学报(工学版), 2006, 36(2): 52 -57 .
[6]	张英,郎咏梅,赵玉晓,张鉴达,乔鹏,李善评 . 由EGSB厌氧颗粒污泥培养好氧颗粒污泥的工艺探讨[J]. 山东大学学报(工学版), 2006, 36(4): 56 -59 .
[7]	Yue Khing Toh1 ， XIAO Wendong2 ， XIE Lihua1 . 基于无线传感器网络的分散目标跟踪：实际测试平台的开发应用（英文）[J]. 山东大学学报(工学版), 2009, 39(1): 50 -56 .
[8]	孙炜伟,王玉振. 考虑饱和的发电机单机无穷大系统有限增益镇定[J]. 山东大学学报(工学版), 2009, 39(1): 69 -76 .
[9]	孙玉利,李法德,左敦稳,戚美 . 直立分室式流体连续通电加热系统的升温特性[J]. 山东大学学报(工学版), 2006, 36(6): 19 -23 .
[10]	王勇, 谢玉东. 大流量管道煤气的控制技术研究 [J]. 山东大学学报(工学版), 2009, 39(2): 70 -74 .