改进的模糊核聚类算法(WKFCM)在人脑MRI图像分割中的应用

摘要

本文针对传统的模糊核聚类(Kernel-FCM,KFCM)算法用于图像分割，在数据类差别很大时存在小数据被误分或大数据类吞并的问题，定义了一个新的目标函数，为每个类分配一个动态权值，使得算法对类差别很大的数据集也能取得很好的聚类效果；针对KFCM算法在图像分割尤其是医学图像分割中存在的计算量大，运行时间过长的问题，对KFCM的核函数进行改进，用核诱导距离代替了复杂的欧氏距离作为聚类目标公式中的不相似性测度函数，减小了计算复杂度；用K均值聚类算法得到的聚类中心作为初始聚类中心，减少算法收敛所需的迭代次数。通过对Brain Web数据库中的人脑MRI图像进行实验，证实了该算法用于人脑MRI图像分割提高了分割的准确率，并且在时间效率上也有很大的提高。