13、脑磁共振图像有效分割的改进偏置场模糊C均值算法

脑磁共振图像有效分割的改进偏置场模糊C均值算法

1. 引言

图像分割是图像处理领域中极为复杂且具有挑战性的问题，广泛应用于机器人视觉、目标识别、地理成像和医学成像等不同领域。在医学成像中，如手术规划、导航、模拟、诊断和治疗评估等应用，都受益于医学图像中解剖结构的分割。由于磁共振成像（MRI）在增强组织间对比度方面优于其他诊断成像技术，因此大多数医学成像分割研究都围绕MRI展开，用于诊断癌症相关疾病。

然而，MRI分割的有效性会受到空间强度不均匀性（即偏置场）的影响。偏置场由MRI中的低射频线圈引起，会降低MR图像的定性和定量分析效果，给医学诊断中的组织分割等操作带来困难。

许多研究人员关注无监督分割技术，尤其是模糊C均值（FCM）算法。FCM算法是硬C均值算法的扩展，它将每个像素分配到多个具有不同有意义隶属度的聚类中，隶属度值介于0和1之间，而硬C均值算法将每个像素精确地分配到一个聚类中，隶属度为0或1。因此，模糊分割方法能够比硬分割方法保留更多原始图像信息。

但实际情况中，存在强度不均匀性问题，导致不同组织的强度重叠。而且在传统FCM方法中，每个像素被视为独立单元，忽略了其空间信息，从而导致分割结果存在噪声。

为解决这些问题，研究人员开发了多种改进的模糊C均值算法，融入了核技巧、偏置场校正、附加项、惩罚项、熵项和空间邻域信息项等概念。例如，Zhang和Chen提出了基于核技巧和像素邻域的核约束FCM（KFCM_S）；Siyal和Lin Yu引入了用于自动分割医学图像的改进FCM，以有效处理强度不均匀性和高斯噪声；Chuang等人提出了将空间信息融入隶属度函数的改进FCM，用于减少图像中的伪影和噪声点等。

不过，这些算法