Abstrait

ALGORITHMES C-MEANS POSSIBLISTES FLOUES AMÉLIORÉS (IFPCM) POUR LA SEGMENTATION DES IMAGES PAR RÉSONANCE MAGNÉTIQUE

Hussian AbouSora, Said Ghoniemy, Sayed A. Banwan, EAZanaty, Ashraf Afifi

Dans cet article, nous proposons une nouvelle méthode appelée « C-moyennes floues possibilistes améliorées (IFPCM) » qui pourrait améliorer la segmentation des images médicales. La méthode proposée combine les fonctions C-moyennes floues (FCM) et C-moyennes possibilistes (PCM) sans tenir compte des contraintes spatiales sur la fonction objective. Elle est réalisée en modifiant la fonction objective de l'algorithme PCM conventionnel avec des poids d'exposants gaussiens pour produire simultanément des appartenances et des possibilités, ainsi que les prototypes de points ou les centres de cluster habituels pour chaque cluster. L'IFPCM évite divers problèmes des méthodes de clustering flou existantes, résout le défaut de sensibilité au bruit du FCM et surmonte le problème des clusters coïncidents du PCM. L'algorithme proposé est évalué et comparé aux techniques de c-moyennes possibilistes modifiées les plus populaires via une application à des images cérébrales IRM simulées corrompues par du bruit. Les résultats quantitatifs suggèrent que l'algorithme proposé donne de meilleurs résultats de segmentation que les autres pour toutes les images testées.