[发明专利]一种基于超像素模糊聚类的脑部MR图像分割方法

权利要求书

1.一种基于超像素模糊聚类的脑部MR图像分割方法，其特征是，它的步骤为：

第一步，获取MR图像；

第二步，对MR图像进行超像素分割，得到若干原子区域；

第三步，对灰度值方差较大的原子区域进行二次细化分割；

第四步，对原子区域进行模糊聚类，得到每个原子区域的类别隶属度；

第五步，对于隶属度不够明确的原子区域定义其为模糊块，并用函数迭代方法实现模糊块的归属类判别；

第六步，对原子区域进行超像素合并操作，获得图像分割结果。

2.如权利要求1所述的基于超像素模糊聚类的脑部MR图像分割方法，其特征是，所述第二步中，采用超像素分割算法对图像进行超像素分割，得到L个超像素R_i{i=1,2,…,L}。

3.如权利要求1所述的基于超像素模糊聚类的脑部MR图像分割方法，其特征是，所述第三步中，采用自动阈值分割法进行二次分割：对每个超像素内部灰度值进行方差计算，将获得的方差与设定阈值进行比较，如果大于该阈值，则进行二次分割，然后计算超像素灰度均值；如果小于该阈值，则直接计算超像素灰度均值；为减少噪音点对分割准确度的影响，引入一个比例参数t，仅对于自动阈值分割后所占原超像素比例大于t的区域进行保留，以抑制噪音点的影响；经过二次分割后，总共产生了K个超像素R_i{i=1,2,…,K}，K≥L，这K个超像素即是第四步骤所要处理的对象。

4.如权利要求1所述的基于超像素模糊聚类的脑部MR图像分割方法，其特征是，所述第四步中，模糊聚类采用模糊c—均值聚类方法，对于MR脑图像，将其内容分为灰质、白质和脑脊液三部分，在模糊c—均值聚类时将聚类数固定设置为三类；聚类时，以每个超像素内部的平均灰度值μ作为聚类参数，通过对上节产生的K个超像素R_i{i=1,2,…,K}进行聚类，得到聚类中心C(c₁,c₂,c₃)以及隶属度矩阵U，每个超像素的分类通过U来确定。

5.如权利要求1所述的基于超像素模糊聚类的脑部MR图像分割方法，其特征是，所述第五步中，归属类判别的实现采用基于巴特沃斯函数迭代方法实现模糊块的归属类判别：

Step1对于超像素R_i，定义隶属度向量为U_i(u₁,u₂,u₃)，若存在u_i=max{u₁,u₂,u₃}>T_c，其中T_c为置信度阈值，则将该超像素标记为第i类，否则标记为模糊块，模糊块集合以F表示；

Step2对R_j∈F，设其相邻超像素集合为Ω={R_j1,R_j2,…,R_jk}，分别计算R_j与Ω中每个元素的相似度S_j(s_j1,s_j2,…,s_jk)；

Step3若存在s_ji=maxS_j>T_s，则将R_j归为和R_ji同一类别。其中T_s为人工定义的置信阈值；

Step4若迭代次数未超过限定次数且仍存在模糊块，则跳转到Step2；

Step5若超过迭代次数后仍存在模糊块，则对模糊块R_i，其隶属度向量为U_i(u₁,u₂,u₃),取u_j=maxU_i，将R_i归类为第j类；

经过以上步骤后，则所有超像素均完成分类。

6.如权利要求1所述的基于超像素模糊聚类的脑部MR图像分割方法，其特征是，所述第六步中，超像素合并为：对于属于同一类别且邻接的超像素，将其合并得到最终的分割结果。