《表1 不同算法分割效果评价指标 (%)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于模糊C均值聚类改进算法的脑部MR图像分割研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先选用一幅人工合成的方形图像进行模拟实验，该图像包含16个方格，方格矩阵大小为64×64，图中加入间隔在（0，120）之间均匀分布的噪声，四层图像灰度梯度分别为0、100、200、300。由图1视觉评判可知，c图中不同层边界早点明显，d图和e图噪声有所改善，f图视觉上少见噪点；由表1和图2定量评估结果显示IFCM-BS算法的性能指标最佳，假阴性率、假阳性率和分割错误率分别降低到0.0058%、0.0182%和0.0085%，明显优于FCM、PCM、RFCM等算法，且不同噪声水平下相似度系数均优于其他分割算法，表明本文提出的算法极大改善对噪声的敏感性。