基于粗糙集属性约减的医学图像分割
(0) 医学图像分割一直是医学图像处理、分析中的经典难题和研究热点.分割过程中,存在图像特征空间维数过高、需处理的数据量太大等问题.为此,利用粗糙集理论中知识约简的思想,对图像高维特征空间进行降维,在降低数据量的基础上提高算法分割图像的速度.粗糙集只能处理离散化数据,故需事先对图像数据进行离散化.文中先利用基于类别属性相互依赖度最大的原则对磁共振图像特征数据离散化,再将粗糙集中基于不可分辨关系的属性约简方法和基于逻辑运算的推理方法相结合,对图像特征集进行优化选择和约减,最后用模糊C-均值算法对属性约减后的数据进行聚类分割.该方法能够找出有效特征集,使图像特征空间的维数减少1半多,图像分割速度提高了2倍多.实验表明,该方法是有效的和实用的.
粗糙集 属性约减 模糊C-均值算法 医学图像分割 磁共振成像 医学图像处理
张永 马华 贾桂霞
兰州理工大学计算机与通信学院,兰州,730050 甘肃工业高等专科学校计算机工程系,兰州,730050
国内会议
北京
中文
208-211
2005-10-12（万方平台首次上网日期，不代表论文的发表时间）