[發明專利]改進模糊聚類算法的超聲圖像病灶區分割方法

在審

• 申請號: 201710664817.2
• 申請日: 2017-08-07
• 公開（公告）號: CN107403438A
• 公開（公告）日: 2017-11-28
• 發明（設計）人: 劉靜;霍冠英;盛蘊霞;李慶武
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/143;G06T7/10;G06T5/00;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司32224
• 代理人: 董建林

1.一種改進模糊聚類算法的超聲圖像病灶區分割方法，其特征是，包括如下步驟：

步驟1)在NSCT域對超聲圖像進行預處理；

步驟2)使用改進的模糊聚類算法對預處理后的超聲圖像進行粗分割；

步驟3)根據獲得的粗分割結果計算MRF模型的約束條件；

步驟4)利用預處理后圖像各像素點鄰域方差信息求MRF約束條件的權值；

步驟5)利用融合MRF模型約束條件的改進模糊聚類算法對超聲圖像進行細分割；

步驟6)利用膨脹腐蝕運算對分割結果進行優化；

步驟7)根據分割結果提取出超聲圖像的病灶區。

2.根據權利要求1所述的一種改進模糊聚類算法的超聲圖像病灶區分割方法，其特征是，所述步驟1)在進行預處理時，為降低噪聲對分割結果的影響，使用如下公式對獲取到的超聲圖像在NSCT變換域進行預處理：其中，為信號的估計值，為NSCT分解所得的第r個尺度的第o個方向子帶的高頻系數，β是瑞利分布衰減參數，為信號的方差。

3.根據權利要求2所述的一種改進模糊聚類算法的超聲圖像病灶區分割方法，其特征是，所述步驟1)中預處理公式進行求解時，將β和的估計值選擇為并進行求解，其中，σ為噪聲的標準差，為包含噪聲的高頻系數的方差估計值，為噪聲系數的方差估計值。

4.根據權利要求1所述的一種改進模糊聚類算法的超聲圖像病灶區分割方法，其特征是，在所述步驟(2)中，使用改進的模糊聚類算法獲取超聲圖像的粗分割結果，改進模糊聚類算法迭代時采用的目標函數為約束條件為

其中，L-1是最大灰度級，K為分類數，m為模糊指數，u_ki為灰度級i對第k類的隸屬度；d_ki＝||i-v_k||表示灰度級為i的點到第k類聚類中心v_k的距離，H(i)為具有灰度級i的像素個數，N_i表示以灰度級i為中心的所有鄰域點集合，j為i的某一鄰域點，d_ij表示i與j間的歐式距離，u_kj為點j對第k類的隸屬度，d_kj＝||j-v_k||為點j到第k類聚類中心v_k的距離；u_ki為i對第k類的隸屬度；

利用u_ki＝max{u_1i,u_2i,…,u_Ki}標記出最終隸屬度矩陣中各灰度級所屬的類，并在原圖中找出各灰度級所處的位置，用相應的類標進行表示得到超聲圖像的粗分割結果。

5.根據權利要求4所述的一種改進模糊聚類算法的超聲圖像病灶區分割方法，其特征是，所述目標函數迭代求解時設置分類數K＝2，模糊指數m＝2，迭代終止條件ε＝10^-4，初始化迭代次數iter＝0以及隸屬度矩陣U⁰＝{u_ki⁽⁰⁾}，并執行以下步驟直至隸屬度矩陣在兩次迭代前后的改變量小于ε；

i)用更新聚類中心矩陣V；

ii)用更新隸屬度矩陣U。

6.根據權利要求1所述的一種改進模糊聚類算法的超聲圖像病灶區分割方法，其特征是，所述步驟3)中根據粗分割結果求取MRF模型的約束條件P，其采用公式其中，對大小為M×N的超聲圖像f，f＝{(x,y)|x∈[1,M],y∈[1,N]},R＝{1,2,…K},f_xy為圖像f中位于位置(x,y)的像素點，能量函數是基團c上的勢函數，基團c定義為鄰域系統上單個像元或像元與其鄰點組成的子集，(x',y')是(x,y)的鄰域點，且

7.根據權利要求6所述的一種改進模糊聚類算法的超聲圖像病灶區分割方法，其特征是，所述步驟4)中，利用預處理后圖像f'各像素點鄰域方差的變化情況計算MRF模型約束條件的權重ω，其采用公式如下：ω＝(w_l|l∈n)，其中，n為超聲圖像的總像素點數，x_l為去噪圖像中任一像素點x_j的某一鄰域點，所有的鄰域像素點構成鄰域系統集合，σ_j為集合內像素的方差，為集合內像素的均方值，σ_f'＝(σ_j|j∈n)。