[發明專利]一種基于超像素模糊聚類的腦部MR圖像分割方法

有效

• 申請號: 201310209537.4
• 申請日: 2013-05-30
• 公開（公告）號: CN103353986A
• 公開（公告）日: 2013-10-16
• 發明（設計）人: 尹義龍;楊公平;于振;紀石勇;張彩明
• 申請（專利權）人: 山東大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;A61B5/055
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張勇

1.一種基于超像素模糊聚類的腦部MR圖像分割方法，其特征是，它的步驟為：

第一步，獲取MR圖像；

第二步，對MR圖像進行超像素分割，得到若干原子區域；

第三步，對灰度值方差較大的原子區域進行二次細化分割；

第四步，對原子區域進行模糊聚類，得到每個原子區域的類別隸屬度；

第五步，對于隸屬度不夠明確的原子區域定義其為模糊塊，并用函數迭代方法實現模糊塊的歸屬類判別；

第六步，對原子區域進行超像素合并操作，獲得圖像分割結果。

2.如權利要求1所述的基于超像素模糊聚類的腦部MR圖像分割方法，其特征是，所述第二步中，采用超像素分割算法對圖像進行超像素分割，得到L個超像素R_i{i=1,2,…,L}。

3.如權利要求1所述的基于超像素模糊聚類的腦部MR圖像分割方法，其特征是，所述第三步中，采用自動閾值分割法進行二次分割：對每個超像素內部灰度值進行方差計算，將獲得的方差與設定閾值進行比較，如果大于該閾值，則進行二次分割，然后計算超像素灰度均值；如果小于該閾值，則直接計算超像素灰度均值；為減少噪音點對分割準確度的影響，引入一個比例參數t，僅對于自動閾值分割后所占原超像素比例大于t的區域進行保留，以抑制噪音點的影響；經過二次分割后，總共產生了K個超像素R_i{i=1,2,…,K}，K≥L，這K個超像素即是第四步驟所要處理的對象。

4.如權利要求1所述的基于超像素模糊聚類的腦部MR圖像分割方法，其特征是，所述第四步中，模糊聚類采用模糊c—均值聚類方法，對于MR腦圖像，將其內容分為灰質、白質和腦脊液三部分，在模糊c—均值聚類時將聚類數固定設置為三類；聚類時，以每個超像素內部的平均灰度值μ作為聚類參數，通過對上節產生的K個超像素R_i{i=1,2,…,K}進行聚類，得到聚類中心C(c₁,c₂,c₃)以及隸屬度矩陣U，每個超像素的分類通過U來確定。

5.如權利要求1所述的基于超像素模糊聚類的腦部MR圖像分割方法，其特征是，所述第五步中，歸屬類判別的實現采用基于巴特沃斯函數迭代方法實現模糊塊的歸屬類判別：

Step1對于超像素R_i，定義隸屬度向量為U_i(u₁,u₂,u₃)，若存在u_i=max{u₁,u₂,u₃}>T_c，其中T_c為置信度閾值，則將該超像素標記為第i類，否則標記為模糊塊，模糊塊集合以F表示；

Step2對R_j∈F，設其相鄰超像素集合為Ω={R_j1,R_j2,…,R_jk}，分別計算R_j與Ω中每個元素的相似度S_j(s_j1,s_j2,…,s_jk)；

Step3若存在s_ji=maxS_j>T_s，則將R_j歸為和R_ji同一類別。其中T_s為人工定義的置信閾值；

Step4若迭代次數未超過限定次數且仍存在模糊塊，則跳轉到Step2；

Step5若超過迭代次數后仍存在模糊塊，則對模糊塊R_i，其隸屬度向量為U_i(u₁,u₂,u₃),取u_j=maxU_i，將R_i歸類為第j類；

經過以上步驟后，則所有超像素均完成分類。

6.如權利要求1所述的基于超像素模糊聚類的腦部MR圖像分割方法，其特征是，所述第六步中，超像素合并為：對于屬于同一類別且鄰接的超像素，將其合并得到最終的分割結果。