[發明專利]一種基于改進的多元宇宙優化的多閾值醫療圖像分割方法

在審

• 申請號: 202210959453.1
• 申請日: 2022-08-11
• 公開（公告）號: CN115330814A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 潘奕旻;宋涯
• 申請（專利權）人: 潘奕旻
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06N3/00
• 代理公司: 湖南岑信知識產權代理事務所(普通合伙) 43275
• 代理人: 谷萍

1.一種基于改進的多元宇宙優化的多閾值醫療圖像分割方法，其特征在于，該方法包括如下步驟：

S1：對待分割的醫療圖像中所有像素點進行灰度值統計，確定該醫療圖像的灰度值邊界；

S2：以確定的灰度值邊界作為約束條件，將多元宇宙優化算法與蝙蝠算法進行結合實現自主獲取醫療圖像在不同灰度值段的最佳閾值，具體包括如下步驟：

S21：初始化種群的各參數，該參數包括宇宙個數N_U、蝙蝠個數N_B、維度數D以及最大迭代次數T_max；

S22：根據灰度值邊界初始化一組隨機宇宙其中XU是宇宙集合，XU_i(i＝1,2,...,N_U)表示第i個宇宙，表示第i個宇宙的位置信息，表示第i個宇宙的第j維的位置信息，D表示問題的維度數；

S23：根據灰度值邊界獲取初始化蝙蝠種群其中XB是蝙蝠種群集合，XB_i(i＝1,2,...,N_B)表示第i個蝙蝠的個體，表示第i個蝙蝠個體的位置信息，表示第i個蝙蝠個體的第j維的位置信息，D表示問題的維度數；

S24：對每個宇宙和每個蝙蝠的位置計算其相應的自適應函數，得到適應度值，并篩選出迄今為止最優的適應度值F₁，最佳適應度值所映射的位置X_a為最優解；

S25：更新參數因子以及各宇宙和蝙蝠的位置；

S26：判斷更新后的宇宙集合與蝙蝠種群的位置是否超出灰度值邊界，如果個體位置小于最小邊界，則賦值最小邊界值；如果個體位置大于最大邊界，則賦值最大邊界值；

S27：對每個宇宙和每個蝙蝠的位置計算其相應的自適應函數，篩選出本次迭代時的最優適應度值F₂，如果F₂＞F₁，則適應度值F₂和所映射的位置X_b，代替掉迄今為止最優的適應度值及所映射的位置最優解，即F₁＝F₂和X_a＝X_b，反之，保留F₁和X_a。

S28：判斷是否達到了最大迭代次數T_max，如果沒有達到，則返回步驟S25；如果達到，則當前最優解X_a則為最佳閾值；

S3：根據所獲得的最佳閾值對醫療圖像進行分割，從而得到分割圖像。

2.根據權利要求1所述的一種基于改進的多元宇宙優化的多閾值醫療圖像分割方法，其特征在于，步驟S1包括如下步驟：

S11：對醫療圖像中所有像素點的灰度值進行統計，并找出最大灰度值與最小灰度值。

3.根據權利要求1所述的一種基于改進的多元宇宙優化算法的醫療圖像分割方法，其特征在于，步驟S24包括如下步驟：

S241:適應度函數采用Tsallis相對熵，設定圖像為I(x,y)，m*n尺寸大小，其中x∈[1,m]，y∈[1,n]，最大灰度級為I_max，一共有D個閾值(維度數)，將圖像分成D+1個區域，A₁,A₂,...,A_D+1；

Tsallis相對熵如下表示：

其中r_i為分割后圖像的灰度級擬合的高斯分布；h_i是在整個圖像中灰度級i出現的概率，目標是找到N個閾值使得上式相對熵最小，則該組解集為最優閾值；q為Tsallis相對熵的非廣延指數。

4.根據權利要求1所述的一種基于改進的多元宇宙優化算法的醫療圖像分割方法，其特征在于，步驟S25包括如下步驟：

S251：基于最優的適應度值F₁所映射的位置信息X_a，更新宇宙個體位置信息；

基于膨脹率，即適應度值，排序一次宇宙集合，即其中，NI(XU_i)表示第i個宇宙的歸一化膨脹率；

由于每個宇宙個體的膨脹率不同，宇宙個體中的物體會通過白洞/黑洞軌道進行轉移，這個過程遵循輪盤賭機制，如下所示：

其中，r1為[0,1]的隨機數，表示經過輪盤賭機制選擇出的第k個宇宙的第j維位置信息；

在不考慮膨脹率情況下，宇宙個體為了實現局部改變和改進自身膨脹率會激發內部物體向當前最優宇宙移動，如下所示：

這里WEP_min＝0.2，WEP_max＝1；

其中，X_j表示當前最優宇宙的第j個物體，l_bj、u_bj分別表示的下限和上限，r5、r6表示宇宙個體產生的隨機數，t是當前迭代次數，T_max是最大迭代次數，p表示開采度，取值為6；

基于最優的適應度值F₁所映射的位置信息X_a，更新蝙蝠個體位置信息；

設定蝙蝠各參數，飛速速度v，變化的波長λ，頻率變化范圍為f_min到f_max，聲音的響度可以根據需要在A₀和A_min之間變化，如下所示：

其中，f_i表示第i只蝙蝠的脈沖頻率信息，r2∈[0,1]是均勻分布的隨機數，和分別表示第t次迭代過程中第i個蝙蝠所在的位置和速度；

產生一個隨機數r3，當則在當前最優解附近進行鄰域位置的搜索，如下所示：

x_new＝x_old+εA^t

其中，表示第t次迭代第i個蝙蝠的脈沖發射率，x_new表示隨機擾動得到的新解，x_old即X_a，A^t表示第t次迭代中所有蝙蝠群體音量的平均值，ε表示[-1,1]均勻分布的隨機數；

產生一個隨機數r4，如果同時x_new的適應度值優于x_old的適應度值，則接受x同時更新和如下所示：

其中α和γ為常量，0＜α＜1，γ＞0；

隨后在宇宙集合和蝙蝠種群中采用輪盤賭機制各篩選出同樣個數的宇宙個體和蝙蝠個體，將篩選出的宇宙個體與篩選出的蝙蝠個體進行相互替換。