基于改进k均值与高斯混合模型的宫颈图像分割

针对宫颈癌智能化筛查系统需要从阴道镜图像中分割出宫颈区域的问题,提出一种改进的k均值与高斯混合模型相结合的图像分割方法。首先根据宫颈区域的代表性颜色和其距离图像中心点的距离,构造出待分类的数据集;其次通过对宫颈区域代表性颜色的重新计算,一种使待分类数据集可随着迭代的进行而动态调整的规则被加入到k均值算法中,使得k均值算法适用于多种光照环境下的目标图像分割;最后利用k均值的聚类结果,初始化高斯混合模型的参数,并得到最终的分割结果。75套来源于不同成像条件下的宫颈图像上的实验结果显示,该方法的平均分割精度达到65.1%,比采用基本k均值算法进行初始化的高斯混合模型算法高出5.5%,比模糊C均值聚类算法高出5.8%,比基本高斯混合模型算法高出8.5%;其均方差达到11.5%,与水平集算法相比降低5.6%。实验结果证明,该方法在阴道镜视野下的宫颈区域分割中是行之有效的。