[发明专利]一种基于改进的多元宇宙优化的多阈值医疗图像分割方法

权利要求书

1.一种基于改进的多元宇宙优化的多阈值医疗图像分割方法，其特征在于，该方法包括如下步骤：

S1：对待分割的医疗图像中所有像素点进行灰度值统计，确定该医疗图像的灰度值边界；

S2：以确定的灰度值边界作为约束条件，将多元宇宙优化算法与蝙蝠算法进行结合实现自主获取医疗图像在不同灰度值段的最佳阈值，具体包括如下步骤：

S21：初始化种群的各参数，该参数包括宇宙个数N_U、蝙蝠个数N_B、维度数D以及最大迭代次数T_max；

S22：根据灰度值边界初始化一组随机宇宙其中XU是宇宙集合，XU_i(i＝1,2,...,N_U)表示第i个宇宙，表示第i个宇宙的位置信息，表示第i个宇宙的第j维的位置信息，D表示问题的维度数；

S23：根据灰度值边界获取初始化蝙蝠种群其中XB是蝙蝠种群集合，XB_i(i＝1,2,...,N_B)表示第i个蝙蝠的个体，表示第i个蝙蝠个体的位置信息，表示第i个蝙蝠个体的第j维的位置信息，D表示问题的维度数；

S24：对每个宇宙和每个蝙蝠的位置计算其相应的自适应函数，得到适应度值，并筛选出迄今为止最优的适应度值F₁，最佳适应度值所映射的位置X_a为最优解；

S25：更新参数因子以及各宇宙和蝙蝠的位置；

S26：判断更新后的宇宙集合与蝙蝠种群的位置是否超出灰度值边界，如果个体位置小于最小边界，则赋值最小边界值；如果个体位置大于最大边界，则赋值最大边界值；

S27：对每个宇宙和每个蝙蝠的位置计算其相应的自适应函数，筛选出本次迭代时的最优适应度值F₂，如果F₂＞F₁，则适应度值F₂和所映射的位置X_b，代替掉迄今为止最优的适应度值及所映射的位置最优解，即F₁＝F₂和X_a＝X_b，反之，保留F₁和X_a。

S28：判断是否达到了最大迭代次数T_max，如果没有达到，则返回步骤S25；如果达到，则当前最优解X_a则为最佳阈值；

S3：根据所获得的最佳阈值对医疗图像进行分割，从而得到分割图像。

2.根据权利要求1所述的一种基于改进的多元宇宙优化的多阈值医疗图像分割方法，其特征在于，步骤S1包括如下步骤：

S11：对医疗图像中所有像素点的灰度值进行统计，并找出最大灰度值与最小灰度值。

3.根据权利要求1所述的一种基于改进的多元宇宙优化算法的医疗图像分割方法，其特征在于，步骤S24包括如下步骤：

S241:适应度函数采用Tsallis相对熵，设定图像为I(x,y)，m*n尺寸大小，其中x∈[1,m]，y∈[1,n]，最大灰度级为I_max，一共有D个阈值(维度数)，将图像分成D+1个区域，A₁,A₂,...,A_D+1；

Tsallis相对熵如下表示：

其中r_i为分割后图像的灰度级拟合的高斯分布；h_i是在整个图像中灰度级i出现的概率，目标是找到N个阈值使得上式相对熵最小，则该组解集为最优阈值；q为Tsallis相对熵的非广延指数。

4.根据权利要求1所述的一种基于改进的多元宇宙优化算法的医疗图像分割方法，其特征在于，步骤S25包括如下步骤：

S251：基于最优的适应度值F₁所映射的位置信息X_a，更新宇宙个体位置信息；

基于膨胀率，即适应度值，排序一次宇宙集合，即其中，NI(XU_i)表示第i个宇宙的归一化膨胀率；

由于每个宇宙个体的膨胀率不同，宇宙个体中的物体会通过白洞/黑洞轨道进行转移，这个过程遵循轮盘赌机制，如下所示：

其中，r1为[0,1]的随机数，表示经过轮盘赌机制选择出的第k个宇宙的第j维位置信息；

在不考虑膨胀率情况下，宇宙个体为了实现局部改变和改进自身膨胀率会激发内部物体向当前最优宇宙移动，如下所示：

这里WEP_min＝0.2，WEP_max＝1；

其中，X_j表示当前最优宇宙的第j个物体，l_bj、u_bj分别表示的下限和上限，r5、r6表示宇宙个体产生的随机数，t是当前迭代次数，T_max是最大迭代次数，p表示开采度，取值为6；

基于最优的适应度值F₁所映射的位置信息X_a，更新蝙蝠个体位置信息；

设定蝙蝠各参数，飞速速度v，变化的波长λ，频率变化范围为f_min到f_max，声音的响度可以根据需要在A₀和A_min之间变化，如下所示：

其中，f_i表示第i只蝙蝠的脉冲频率信息，r2∈[0,1]是均匀分布的随机数，和分别表示第t次迭代过程中第i个蝙蝠所在的位置和速度；

产生一个随机数r3，当则在当前最优解附近进行邻域位置的搜索，如下所示：

x_new＝x_old+εA^t

其中，表示第t次迭代第i个蝙蝠的脉冲发射率，x_new表示随机扰动得到的新解，x_old即X_a，A^t表示第t次迭代中所有蝙蝠群体音量的平均值，ε表示[-1,1]均匀分布的随机数；

产生一个随机数r4，如果同时x_new的适应度值优于x_old的适应度值，则接受x同时更新和如下所示：

其中α和γ为常量，0＜α＜1，γ＞0；

随后在宇宙集合和蝙蝠种群中采用轮盘赌机制各筛选出同样个数的宇宙个体和蝙蝠个体，将筛选出的宇宙个体与筛选出的蝙蝠个体进行相互替换。