[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

说明书

本发明提出一种基于改进的多元宇宙优化算法的医疗图像分割方法，包括如下步骤：采集医疗图像数据，并统计待测图像中灰度值的范围；对医疗图像以灰度值为约束条件，采用改进的多元宇宙优化算法相获取该图像的最佳阈值；基于最佳阈值对医疗图像进行分割，从而能获取到感兴趣的区域。该发明有效地自适应获取阈值并进行分割，具备极强的自适应能力及计算效率。

技术领域

本发明涉及图像分割技术领域，尤其涉及一种基于改进的多元宇宙优化算法的医疗 图像分割方法。

背景技术

总所周知，图像分割技术是将图像划分为若干个具有特殊性质的区域，同一区域性 质相同。但是由于目前图像种类繁多，数据量极大，因此没有一种分割方法可以适用于所有情况。同时在医学领域，医生往往需要在医疗图像中提取重要且特定区域的部分进 行诊断和研究，然而用肉眼去进行提取和筛选，一方面存在人眼的误差，另一方面加重 了医生的负担。

基于阈值的分割技术是一种高效且简单的分割方法，传统的阈值分割技术需要通过 先验知识来确定灰度阈值，该方式存在较大的人为误差，同时针对不同图像需要提前设定不同的阈值，这是繁琐的过程同时存在一定的人为误差，不能很好的适应医生的需求。经典的Otsu(最大类间分差法)阈值法，在多阈值分割时计算复杂度大，运行周期长。 另外，针对传统的多元宇宙优化算法处理图像检测或者分割，存在收敛速度慢，最优解 精度较低，易陷入局部最优等问题。

因此有必要提出一种基于改进的多元宇宙优化算法的医疗图像分割方法以解决上述 问题。

发明内容

本发明公开了一种基于改进的多元宇宙优化算法的医疗图像分割方法，其提供一种自 适应的、计算速度快的多阈值医疗图像分割方法，从而可以有效解决背景技术中涉及的技 术问题。

为实现上述目的，本发明的技术方案为：

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，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；