[發明專利]一種基于KNN分類算法的MR圖像灰度不均勻性校正分割方法

有效

• 申請號: 201010583560.6
• 申請日: 2010-12-13
• 公開（公告）號: CN102135606A
• 公開（公告）日: 2011-07-27
• 發明（設計）人: 解梅;高婧婧;趙瑋
• 申請（專利權）人: 電子科技大學
• 主分類號: G01R33/565
• 分類號: G01R33/565
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 葛啟函

1.一種基于KNN分類算法的MR圖像灰度不均勻性校正分割方法，包括以下步驟：

步驟1：建立灰度不均勻場模型；

所述灰度不均勻場模型為其中：B(x，y)為灰度不均勻場，J(x，y)為未受灰度不均勻場污染的MR圖像；且其中g_k(x，y)為一組正交歸一化的基函數，w_k為加權系數，k＝1，2，L，N，N為基函數的組數；c_i為MR圖像中各個組織的灰度值，u_i(x，y)為隸屬函數，i＝1，2，3或4；隸屬函數u_i(x，y)相對于一個像素點(x，y)而言，定義為：

且Σi4ui(x,y)=1;]]>

步驟2：建立灰度不均勻場模型B(x，y)J(x，y)與原始MR圖像I(x，y)之間的能量函數F：

F=∫|I(x,y)-[Σk=1Nwkgk(x,y)][Σi=14ciui(x,y)]|2dxdy]]>

步驟3：將步驟2所得能量函數F寫成向量形式，即：

F(U，C，W)＝∫|I(x，y)-(W^TG(x，y))(C^TU(x，y))|²dxdy????????????(1)

其中：

B(x，y)＝W^TG(x，y)????????????????????????(2)

J(x，y)＝C^TU(x，y)????????????????????????(3)

C＝(c₁，c₂，c₃，c₄)^T，W＝(w₁，w₂，...w_N)^T

G(x，y)＝(g₁(x，y)，g₂(x，y)，...g_N(x，y))^T

U(x，y)＝(u₁(x，y)，u₂(x，y)，u₃(x，y)，u₄(x，y))^T

步驟4：任意確定灰度不均勻場模型B(x，y)J(x，y)的模型參數W和C的初始值W⁽¹⁾和C⁽¹⁾，由B(x，y)＝W^TG(x，y)計算出初始灰度不均勻場B⁽¹⁾(x，y)＝(W⁽¹⁾)^TG(x，y)，再由I(x，y)＝B(x，y)J(x，y)計算出初始未受灰度不均勻場污染的MR圖像J⁽¹⁾(x，y)＝I(x，y)/B⁽¹⁾(x，y)，最后對初始未受灰度不均勻場污染的MR圖像J⁽¹⁾(x，y)進行分類，求出初始隸屬函數U⁽¹⁾(x，y)；

步驟5：利用下述迭代公式(4)(5)對灰度不均勻場模型模型參數C和W進行求解；

W^(k+1)＝(A^(k))^-1V^(k)，????????????????????(4)

ci(k+1)=∫I(x,y)B(k)(x,y)ui(k)(x,y)dxdy∫(B(k))2(x,y)ui(k)(x,y)dxdy,]]>i＝1，2，3或4????????????????(5)

其中：

B^(k)(x，y)＝(W^(k))^TG(x，y)

J^(k)(x，y)＝(C^(k))^TU^(k)(x，y)

V^(k)＝∫I(x，y)G(x，y)J^(k)(x，y)dxdy

A^(k)＝∫G(x，y)G^T(x，y)(J^(k))²(x，y)dxdy

步驟6：對隸屬函數進行迭代求解；

首先由公式J^(k+1)(x，y)＝I(x，y)/B^(k)(x，y)計算出第k+1次迭代時未受灰度不均勻場污染的MR圖像J^(k+1)(x，y)，接著按步驟4所述方法求出第k+1次迭代時的隸屬函數U^(k+1)(x，y)；

步驟7：判斷是否停止迭代；

當迭代次數達到設定值k′時停止迭代，將此時的灰度不均勻性模型模型參數分別記為記為W^*、U^*、c^*_i，即：

W^*＝W^(k′)????????????????????????????(6)

c*i=ci(k′)]]>i＝1，2，3，4????????????????????????(7)

U*=(U1*(x,y),u2*(x,y),u3*(x,y),u4*(x,y))T=U(k)---(8)]]>

步驟8：確定最終校正后的圖像以及分割后的圖像；

將步驟7中得到的最優灰度不均勻場模型模型參數c^*_i、U^*、W^*代入公式(1)計算出最終的灰度不均勻場B^*，然后由灰度不均勻場模型公式計算出最終校正后的MR圖像J^*(x，y)，最后由公式計算出最終分割后的圖像：背景區域的MR圖像I_BACK；腦脊液區域的MR圖像I_CSF；腦灰質區域的MR圖像I_GM；腦白質區域的MR圖像I_WM。