[發(fā)明專利]一種基于模糊聚類的腦MR影像分割方法

有效

• 申請?zhí)枺?/td>: 201710970162.1
• 申請日: 2017-10-16
• 公開（公告）號: CN107730516B
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計）人: 葛洪偉;陸海青;葛陽
• 申請（專利權(quán)）人: 江南大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62
• 代理公司: 哈爾濱市陽光惠遠知識產(chǎn)權(quán)代理有限公司 23211
• 代理人: 林娟

1.一種基于模糊聚類的腦MR影像分割方法，包括：

(1)設(shè)置聚類數(shù)c，模糊指數(shù)m＝2，迭代終止閾值ε，最大迭代次數(shù)iter_max，當前迭代次數(shù)t＝1；

(2)隨機初始化隸屬度矩陣U⁽⁰⁾、聚類中心V⁽⁰⁾、偏置場其中滿足c為聚類數(shù)，n為一幅影像的像素總數(shù)，可隨機選取圖像中c個像素的灰度值作為的初始值，其中的每個值可在[0,g-1]內(nèi)隨機選取，g為圖像的最大灰度級；

(3)計算多局部信息模糊因子

(4)計算非局部權(quán)重

其中表示圖像中以像素i,j為中心的兩圖像塊之間的相似性權(quán)重，即非局部權(quán)重，表示以像素i為中心、r為半徑的窗口中的所有像素，Z_i為歸一化項，P_i表示以像素i為中心的3×3圖像塊，X(P_i)為圖像塊P_i中各像素的灰度值構(gòu)成的一維向量，P_j表示以像素j為中心的3×3圖像塊，X(P_j)為圖像塊P_j中各像素的灰度值構(gòu)成的一維向量，||·||表示2-范數(shù)，h為濾波參數(shù)，用于控制圖像平滑的程度；

(5)計算新的隸屬度矩陣U＝{u_ki}∈R^c×n：

其中為真實圖像中像素i的灰度值，為偏置場中像素i的灰度值，v_k為第k類的聚類中心，m為模糊指數(shù)；

(6)計算新的聚類中心V＝{v₁,v₂,…,v_c}：

其中為局部灰度項與局部空間距離項的結(jié)合；

(7)計算新的偏置場

(8)計算新的目標函數(shù)值

(9)若或當前迭代次數(shù)t＞iter_max，則終止迭代，輸出隸屬度矩陣U、聚類中心V和偏置場否則返回步驟(5)，繼續(xù)下一次迭代；

(10)去模糊化，實現(xiàn)圖像分割：根據(jù)最大隸屬度原則確定各像素所屬的類別，以實現(xiàn)圖像分割，即c_i＝arg_k{max(u_ki)}，其中c_i表示像素i所屬的類別；

步驟(3)按如下過程進行：

(3.1)定義一局部灰度差異性測度C_l，用于表示局部鄰域內(nèi)各像素灰度分布的均勻程度，其具體形式為l∈N_i，其中x_l表示鄰域像素l的灰度值，N_i表示以像素i為中心的3×3鄰域，n_i表示鄰域N_i中的像素總數(shù)；

(3.2)為衡量局部鄰域內(nèi)各像素對于中心像素灰度的貢獻程度，將其定義為l∈N_i，其中γ_il表示鄰域像素l對于中心像素i的灰度貢獻程度；

(3.3)為統(tǒng)一數(shù)據(jù)的量綱，將γ_il作歸一化處理，即同時給出本發(fā)明中局部灰度項的具體定義：l∈N_i；

(3.4)定義局部空間距離項：其中d_il表示像素i,l之間的空間距離；

(3.5)結(jié)合所提出的局部灰度項和局部空間距離項，構(gòu)造出多局部信息模糊因子具體形式為其中