[发明专利]一种基于模糊聚类的脑MR影像分割方法

权利要求书

1.一种基于模糊聚类的脑MR影像分割方法，包括：

(1)设置聚类数c，模糊指数m＝2，迭代终止阈值ε，最大迭代次数iter_max，当前迭代次数t＝1；

(2)随机初始化隶属度矩阵U⁽⁰⁾、聚类中心V⁽⁰⁾、偏置场其中满足c为聚类数，n为一幅影像的像素总数，可随机选取图像中c个像素的灰度值作为的初始值，其中的每个值可在[0,g-1]内随机选取，g为图像的最大灰度级；

(3)计算多局部信息模糊因子

(4)计算非局部权重

其中表示图像中以像素i,j为中心的两图像块之间的相似性权重，即非局部权重，表示以像素i为中心、r为半径的窗口中的所有像素，Z_i为归一化项，P_i表示以像素i为中心的3×3图像块，X(P_i)为图像块P_i中各像素的灰度值构成的一维向量，P_j表示以像素j为中心的3×3图像块，X(P_j)为图像块P_j中各像素的灰度值构成的一维向量，||·||表示2-范数，h为滤波参数，用于控制图像平滑的程度；

(5)计算新的隶属度矩阵U＝{u_ki}∈R^c×n：

其中为真实图像中像素i的灰度值，为偏置场中像素i的灰度值，v_k为第k类的聚类中心，m为模糊指数；

(6)计算新的聚类中心V＝{v₁,v₂,…,v_c}：

其中为局部灰度项与局部空间距离项的结合；

(7)计算新的偏置场

(8)计算新的目标函数值

(9)若或当前迭代次数t＞iter_max，则终止迭代，输出隶属度矩阵U、聚类中心V和偏置场否则返回步骤(5)，继续下一次迭代；

(10)去模糊化，实现图像分割：根据最大隶属度原则确定各像素所属的类别，以实现图像分割，即c_i＝arg_k{max(u_ki)}，其中c_i表示像素i所属的类别；

步骤(3)按如下过程进行：

(3.1)定义一局部灰度差异性测度C_l，用于表示局部邻域内各像素灰度分布的均匀程度，其具体形式为l∈N_i，其中x_l表示邻域像素l的灰度值，N_i表示以像素i为中心的3×3邻域，n_i表示邻域N_i中的像素总数；

(3.2)为衡量局部邻域内各像素对于中心像素灰度的贡献程度，将其定义为l∈N_i，其中γ_il表示邻域像素l对于中心像素i的灰度贡献程度；

(3.3)为统一数据的量纲，将γ_il作归一化处理，即同时给出本发明中局部灰度项的具体定义：l∈N_i；

(3.4)定义局部空间距离项：其中d_il表示像素i,l之间的空间距离；

(3.5)结合所提出的局部灰度项和局部空间距离项，构造出多局部信息模糊因子具体形式为其中