Abstract
Image segmentation plays an important role in imaging analysis. Based on the Mercer kernel, the fuzzy kernel c-means clustering algorithm (FKCM) is derived from the fuzzy c-means clustering algorithm (FCM).The FKCM algorithm that provides image clustering can improve accuracy significantly compared with classical fuzzy c-Means algorithms. In this paper, considering the advantages of KFCM, we propose a novel modified kernel fuzzy c means(NMKFCM) algorithm based on conventional KFCM which incorporates the neighbor term into its objective function. The results of experiments performed on synthetic and real medical images show that the new algorithm is effective and efficient, and has better performance in noisy images
چکیده
تقسیم بندی تصویر، نقش مهمی در تحلیل تصویر ایفا می کند. براساس هسته مرسر، الگوریتم خوشه بندی c-means هسته فازی (FKCM) از الگوریتم خوشه بندی c-means فازی (FCM) بدست آمده است. الگوریتم FKCM که خوشه بندی تصویر را ارائه می کند، می تواند به طور قابل توجهی در مقایسه با الگوریتم های c-mean فازی کلاسیک، دقت را بهبود بخشد. در این مقاله، با توجه به مزایای KFCM، ما یک الگوریتم c-mean فازی هسته اصلاح شده ی جدید (NMKFCM) را براساس KFCM معمولی ارائه می کنیم که شامل مدت همسایه در تابع هدف آن است. نتایج حاصل از آزمایش های انجام شده بر روی تصاویر پزشکی واقعی و مصنوعی نشان می دهند که الگوریتم جدید، موثر و اثربخش است و دارای عملکرد بهتری در تصاویر نویزی است.
1-مقدمه
تقسیم بندی تصویر نقش بسیار مهمی در بسیاری از برنامه های کاربری مانند تحلیل و درک تصویر، بینایی کامپیوتر، کدنویسی تصویر، تشخیص الگو و تحلیل تصاویر پزشکی ایفا می کند. بسیاری از الگوریتم ها و روش های ارائه شده برای تقسیم بندی شی و استخراج ویژگی، در ]1و2[ توصیف شده اند. در این مقاله، یک روش خوشه بندی برای تقسیم بندی تصویر پزشکی در نظر گرفته خواهد شد...