[發明專利]一種基于改進模糊C均值的腦磁共振圖像分割方法

有效

• 申請號: 202010623006.X
• 申請日: 2020-07-01
• 公開（公告）號: CN111815650B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 李召;溫鵬偉;周同馳;卞芳方;李征;付凱;柴旭朝;瞿博陽;郭倩倩;朱小培
• 申請（專利權）人: 中原工學院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/90;G06V10/762;G06N3/006
• 代理公司: 鄭州科碩專利代理事務所(普通合伙) 41157
• 代理人: 范增哲

1.一種基于改進模糊C均值的腦磁共振圖像分割方法，其特征在于，包括以下步驟：

(1)輸入待處理的腦磁共振圖像,所述待處理的腦磁共振圖像的數據集合X＝{x₁,x₂,…,x_N},其中x_i為像素點i的灰度值，N為像素數；

(2)對輸入的數據集合X做灰度重構處理得到灰度重構數據集合

(3)將灰度重構數據集合作為聚類中心集合，同時該聚類中心集合將作為粒子搜索的空間，通過自適應粒子群算法與模糊C均值的結合確定最優聚類中心；

(3a)將模糊C均值算法中的目標函數設定為自適應粒子群算法優化的目標函數，即使得下面的函數最小化：

式中，c為聚類數，m為模糊隸屬度系數，y_k為聚類中心，并將y_k設定為待尋優的粒子位置，而且每個粒子的維度等于聚類數，u_ik為第i個像素屬于第k個聚類中心的隸屬度，滿足的約束條件有：

(3b)基于目標函數J_FCM，利用拉格朗日最小二乘法計算得到尋優迭代過程中隸屬度u_ik的更新公式：

(3c)對粒子群優化算法和模糊C均值算法中的參數進行初始化；

(3d)隨機設置粒子的初始位置和速度，根據隸屬度u_ik的更新公式計算初始u_ik值，每個粒子的初始位置為該粒子的個體最優位置，計算每個粒子的適應度函數J_FCM值，通過比較，J_FCM最小時的粒子位置將作為初始全局最優位置；

(3e)迭代次數t＝t+1，通過自適應粒子群算法中的速度和位置公式對粒子的狀態進行計算更新；

(3f)根據當代粒子的位置公式結合隸屬度u_ik的更新公式，得到此時各像素點對應的隸屬度u_ik值，計算其適應度值J_FCM，更新粒子個體的最優位置以及粒子群的全局最優位置；

(3g)判斷迭代是否結束，如果t≧t_max或者全局最優位置的適應度值|J_FCM(t)-J_FCM(t-1)|≤β則判斷迭代是已結束，結束則進行一步操作(4)，如果判斷結果為迭代尚未結束則跳轉到步驟(3e)；

(4)根據聚類中心和隸屬度結果，使同一聚類中像素點灰度值等于同一個灰度值，完成對圖像的分割。

2.根據權利要求1所述的基于改進模糊C均值的腦磁共振圖像分割方法，其特征在于，步驟(2)中，所述灰度重構處理包括：

通過灰度值的線性加權和運算，得到一個新的圖像ζ，且所述圖像ζ中像素點i的灰度值的計算公式為：

式中，S_ij表示像素點i與j的相似度系數，P_i表示像素點i之外的其它像素點；S_ij的定義式為：

S_ij＝S_ij^(g)×S_ij^(s)

式中，S_ij^(s)和S_ij^(g)分別表示像素點i與j之間的空間信息和灰度信息，進一步表示為：

S_ij^(s)＝exp(-||C_j-C_i||₂/σ)

S_ij^(g)＝exp(-((x_j-x_i)/H)²)

式中，C_i表示像素點i的空間坐標，C_j表示像素點j的空間坐標，σ為經驗常數，‖‖₂表示空間坐標的歐式距離，一種有效的帶寬H的確定準則式為：

式中，X_av表示原始圖像X的平均灰度值；

在進行灰度的線性加權和運算后，對ζ進行Top-hat和Bottom-hat變換處理，最終得到灰度重構圖像