الگوریتم ترکیب اطلاعات محلی و غیرمحلی برای بهینه کردن خوشه بندی فازی در تصاویر تشدید مغناطیسی MRI مغز

الگوریتم خوشه بندی فازی FCM یکی از پرکاربردترین و مطلوبترین تکنیک های دسته بندی داده میباشد. این روش حساسیت زیادی به نویز دارد به همین خاطر سعی شده است روشهایی ابداع شود که کمتر به نویز حساس باشند یکی از ایده هایی که در این مورد داده های نویز در نظر گرفته شود برای مقاوم سازی الگوریتم های خوشه بندی فازی در مقابل نویز ش از اطلاعات فضایی محلی بدست آمده از تصویر، مانند متوسط و یا میانه پیکسل های موجود در یک پنجره مشخص شده در اطراف هر پیکسل استفاده میشود این الگوریتم ها دارای عملکرد خوبی در تصاویر کم نویز هستند با این حال زمانی که تعداد پیکسل های آلوده به نویز در یک تصویر زیاد است و یا سطح نویز در تصویر بالا باشد پیکسل های مجاور یک پیکسل در تصویر نیز ممکن است آلوده به نویز باشند در این شرایط اطلاعات فضایی محلی به دست آمده از تصویر نمیتوانند دارای نقش مثبتی در تقسیم بندی تصویر با نویز بالا باشند و اطلاعات فضایی بدست آمده از آنها قابل اعتماد نیست الگوریتم میانگین غیر محلی نه تنها سطوح خاکستری در یک نقطه را مقایسه میکند بلکه علاوه بر آن ساختار هندسی کل همسایگی را مورد مقایسه قرار میدهد در نتیجه استفاده از میانگین های غیر محلی بجای اطلاعات محلی برای بدست آوردن اطلاعات فضایی (محلی و غیر محلی ) که مورد استفاده قرار میگیرد بنظر میرسد استفاده از دو نوع اطلاعات غیر محلی و محلی باهم میتواند نتیجه بهتری را به ارمغان بیاورد.

کلیدواژه ها:

خوشه بندی ، الگوریتم فازی ، هیبرید محلی و غیرمحلی ، MRI