模糊c均值(FCM)聚类算法已广泛应用于许多医学图像分割中。 但是,由于不考虑空间信息,因此常规的标准FCM算法对噪声敏感。 为了克服上述问题,提出了一种新颖的改进的FCM算法(以后称为FCM-AWA)用于图像分割。 该算法是通过修改常规FCM算法中的目标函数,即通过将空间邻域信息合并到标准FCM算法中来实现的。 给出了自适应加权平均(AWA)滤波器以指示相邻像素对中心像素的空间影响。 在实施加权平均图像时,通过预定义的非线性函数自动确定控制模板(邻居寡妇)的参数(加权系数)。 该算法既适用于人工合成图像,又适用于真实图像。 此外,使用基于算法的分割方法对牙菌斑进行了定量分析。 实验结果表明,与标准FCM算法和另一种FCM算法(由Ahmed提出)相比,该算法对噪声的鲁棒性更高。 此外,使用所提出的方法对牙菌斑进行定量的结果表明,FCM-AWA提供了一种定量,客观和有效的牙菌斑分析方法,具有广阔的前景。
1