[發(fā)明專利]概率密度加權(quán)測地距離的腦部MR圖像分割方法

有效

• 申請?zhí)枺?/td>: 201710053148.5
• 申請日: 2017-01-22
• 公開（公告）號: CN106919950B
• 公開（公告）日: 2019-10-25
• 發(fā)明（設(shè)計）人: 趙赟晶;周元峰
• 申請（專利權(quán)）人: 山東大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/143
• 代理公司: 北京恩赫律師事務(wù)所 11469
• 代理人: 趙文成

本發(fā)明公開了一種概率密度加權(quán)測地距離的腦部MR圖像分割方法，屬于圖像處理技術(shù)領(lǐng)域。包括：讀入若干幅模擬腦數(shù)據(jù)庫圖像，進行直方圖統(tǒng)計，得出最集中分布區(qū)間的樣本值；利用得到的樣本值作為先驗知識對選取的待處理圖像上的每個像素點進行概率密度估計；基于概率密度函數(shù)對待處理圖像進行超像素分割；對分割后的超像素進行掃描，篩選出不符合標準的超像素進行分裂，用FCM算法將超像素內(nèi)所有像素再次聚為兩類，根據(jù)分類結(jié)果尋找連通區(qū)域，并把每個連通區(qū)域內(nèi)的像素作為新的一類，更新超像素分類結(jié)果矩陣；用FCM算法在所有更新后的超像素基礎(chǔ)上進行聚類，得到待處理圖像腦部組織分割結(jié)果。本發(fā)明提高了超像素分割以及腦部組織分割的準確度。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是指一種概率密度加權(quán)測地距離的腦部MR圖像分割方法。

背景技術(shù)

圖像分割是圖像處理、圖像分析和計算機視覺等領(lǐng)域最經(jīng)典的研究課題之一，也是最大的難點之一，圖像分割技術(shù)在許多醫(yī)學圖像應(yīng)用中扮演著關(guān)鍵角色，也是圖像中各種組織和器官的病理進一步分析的基礎(chǔ)，通過利用圖像分割，把圖像中更感興趣的區(qū)域提取出來，為臨床診斷和治療等提供依據(jù)，且大腦是人體的重要器官，因此研究腦部區(qū)域的分割技術(shù)對于腦部三維重建、神經(jīng)環(huán)路的研究以及臨床腦部疾病的診斷均有著重要意義。

超像素分割是一種圖像過分割算法，可以作為一些圖像應(yīng)用中的預(yù)處理工作，例如分割、顯著性檢測、人臉識別等。超像素可以捕獲圖像中的冗余，大大減少后續(xù)圖像處理任務(wù)的復(fù)雜性。現(xiàn)有的一種有效的超像素分割方法是基于測地距離(Geodesic Distance)的超像素，用測地距離而不是歐式距離度量像素點之間的相似度，對于自然圖像來說分割效果不錯，但對于腦部MR(Magnetic Resonance，簡稱MR)圖像，該方法并不能準確地分出每一個細小的腦部組織區(qū)域超像素塊。

模糊C均值聚類算法(Fuzzy C-Means，簡稱FCM)是應(yīng)用最為廣泛的模糊聚類圖像分割算法。相對于其他分割方法，F(xiàn)CM能夠保留初始圖像的更多的信息。然而，傳統(tǒng)的FCM算法在圖像分割中未能考慮各個點的灰度特征及其鄰域像素的關(guān)聯(lián)程度，導(dǎo)致了該算法對于噪聲和灰度不均勻比較敏感，針對上述問題，現(xiàn)已提出了許多改進的FCM算法，盡管改進的方法在抗噪或者效率等方面有一定程度的提高，但由于大腦圖像的高復(fù)雜性，仍不能取得令人滿意的分割結(jié)果，因此采用傳統(tǒng)的單一方法分割不能滿足實際要求。

發(fā)明內(nèi)容

本發(fā)明提供一種概率密度加權(quán)測地距離的腦部MR圖像分割方法，其提高了超像素分割以及腦部組織分割的準確度。

為解決上述技術(shù)問題，本發(fā)明提供技術(shù)方案如下：

一種概率密度加權(quán)測地距離的腦部MR圖像分割方法，包括：

步驟1：讀入若干幅模擬腦數(shù)據(jù)庫圖像，對其進行直方圖統(tǒng)計，得出白質(zhì)、灰質(zhì)或者腦脊液最集中分布區(qū)間的樣本值；

步驟2：從所述模擬腦數(shù)據(jù)庫圖像中隨機選取一幅圖像作為待處理圖像，利用得到的所述最集中分布區(qū)間的樣本值作為先驗知識對待處理圖像上的每個像素點進行概率密度估計，得到概率密度函數(shù)；

步驟3：基于得到的所述概率密度函數(shù)對待處理圖像進行超像素分割，并記錄下超像素分類結(jié)果矩陣；

步驟4：對分割后的超像素進行掃描，根據(jù)超像素顏色標準差篩選出不符合標準的超像素進行分裂，分裂時，用FCM算法將超像素內(nèi)所有像素再次聚為兩類，之后根據(jù)分類結(jié)果尋找連通區(qū)域，并把每個連通區(qū)域內(nèi)的像素作為新的一類，更新所述超像素分類結(jié)果矩陣；

步驟5：依據(jù)更新后的超像素分類結(jié)果矩陣，用FCM算法在所有更新后的超像素基礎(chǔ)上進行聚類，得到待處理圖像腦部組織分割結(jié)果。

本發(fā)明具有以下有益效果：