基于塔分割和多中心模糊聚类的医学图像分割

本文提出一种基于塔分割和多中心模糊C均值算法结合的无监督MR图像分割方法。文中采用根标记方法对塔图像进行过分割；在塔的最底层模糊刖像上应用HSC（hierarchical subtractive clustering）计算初始的聚类中心及聚类数。进而应用FCM算法合并过分割的结果。由于塔分割有效地降低了聚类样本数和HSC自动获得有效的初始聚类中心和聚类数，实验结果表明，在聚类性能不变情况下显著地减少FCM算法的运算时间，从而实现医学图像的快速分割。     

基于模糊聚类的医学图像检索方法

如何构建有效的图像库结构，提高图像检索速度是基于内容的图像检索所需要解决的关键问题之一。论文采用了一种基于改进的模糊C均值算法来聚类图像。实验表明该方法应用于图像检索，在准确性和实时性方面均能达到较好的效果。另外，系统利用基于分阶段显示和评价反馈的权重调整方法进一步提高检索性能。