[发明专利]基于医学组织器官自身特性的模糊聚类医学图像分割方法

权利要求书

1.一种基于医学组织器官自身特性的模糊聚类医学图像分割方法，其特征在于，包括：

步骤1：提取给定医学图像的灰度特征，得到医学图像的特征信息集；

步骤2：利用所述医学图像的特征信息和邻域信息，基于滤波技术对所述医学图像进行预处理；

步骤3：计算滤波后医学图像的特征直方图，以得到滤波后医学图像的统计信息；

步骤4：基于所述滤波后医学图像的特征直方图，对所述医学图像中的医学组织器官进行预分割；

步骤5：基于所述预分割的医学组织器官，对医学组织器官的聚类中心进行初始化；

步骤6：基于所述预分割的医学组织器官，对像素的隶属度进行初始化，并在此基础上定义医学图像分割的能量函数；

步骤7：通过迭代过程对所述能量函数进行最小化，在迭代过程中，对当前的分割结果进行修正，并基于修正后的分割结果，对医学组织器官的聚类中心和像素的隶属度进行更新；

步骤8：输出最终的医学图像分割结果。

2.根据权利要求1所述的基于医学组织器官自身特性的模糊聚类医学图像分割方法，其特征在于，所述步骤1中，所述特征信息集为：

X＝{x₁，x₂，...，x_n}，x_i＝{x_i1，x_i2，...，x_is} (1)

其中，X是给定医学图像的特征信息集，x_i为医学图像的像素点，n为医学图像中像素点的个数，s为像素点x_i的维数。

3.根据权利要求2所述的基于医学组织器官自身特性的模糊聚类医学图像分割方法，其特征在于，所述步骤2中，利用公式(2)对所述给定医学图像进行处理：

$x_j^{\′}=\frac{1}{1+\mathrm{\α}}(x_j+\frac{\mathrm{\α}}{N_R}\underset{x_r\∈N_j}{\Σ}{x}_r)---\left(2\right)$

其中N_j代表第j个元素的邻域像素组成的集合，N_R代表集合N_j的势，α是像素与邻域像素之间的平衡因子，x_j和x′_j分别代表滤波前后第j个像素的灰度特征值，x_r代表N_j中第r个像素的灰度特征值。