[发明专利]具有实时性的模糊聚类医学图像分割方法

权利要求书

1.一种具有实时性的模糊聚类医学图像分割方法，其特征在于，包括：

步骤1：对给定的医学图像提取灰度特征，得到所述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：从所述滤波后医学图像的特征直方图上计算相应的特征区间；

步骤5：基于获取的特征区间，初始化所述滤波后医学图像中相应组织或器官的聚类中心，并对像素的隶属度进行计算；

步骤6：通过迭代过程，在最小化像素与聚类中心的加权函数的过程中，更新所述像素的隶属度以及聚类中心；

步骤7：基于最大隶属度原则对像素的隶属度去模糊化，实现对给定医学图像的分割，提取相应的组织或器官。

2.根据权利要求1所述的具有实时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所述的具有实时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个像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。