基于改进密度峰值聚类的医学图像分割

摘要

目的 提高医学图像分割效果,弥补密度峰值聚类算法（density peaks clustering algorithm,DPC）截断距离（cut-off distance,d_c）与聚类中心需要主观指定的不足。方法 提出一种果蝇算法优化密度峰值参数的医学图像分割算法,首先使用变量量化表示聚类中心个数,再使用随机步长取代果蝇算法中固定步长,避免陷入局部最优;最后,采用果蝇算法迭代计算图像熵值得到最佳气味浓度值的方法优化选择截断距离和聚类中心,实现图像分割。结果 仿真实验表明本文算法能够自适应分割医学图像,定量和定性分析结果较好。结论 改进算法的分割效果优于DPC、K均值和仿射传播等典型聚类算法,且有较快的收敛性和良好的鲁棒性。

关键词

医学图像分割 / 密度峰值 / 果蝇优化 / 聚类 / 图像熵