[发明专利]基于模糊C均值聚类的电阻抗层析成像图像质量评价方法

说明书

本发明涉及一种基于模糊C均值聚类的电阻抗层析成像图像质量评价方法，包括三个部分：第一部分，快速FCM聚类划分图像像素；最终将EIT图像的像素分为三类，对应伪影类、目标类和背景类，但此时这三类数据与所属类的对应关系未知；第二部分，统计分类结果；分别计算三类像素灰度值的平均值，按照从大到小的顺序将三类数据依次标记为目标、伪影和背景；第三部分，计算评价指标：根据伪影的像素数量计算伪影占比，根据目标和背景的像素数量和离散度计算图像均匀度；根据隶属度计算两种指标的权重；将两种指标分别乘以各自的权重后相加，得到最终的图像质量评价指标λ；以上所得出的伪影占比指标R，均匀度指标E和加权相加后得到的指标λ均可用来对EIT图像的质量进行评价。

技术领域

本发明涉及一种电阻抗层析成像图像质量评价方法。

背景技术

电阻抗层析成像(EIT)技术是基于电磁场理论上发展出的一种过程检测技术，具有无创、无辐射、实时性高、成本低等优点，能够对人体进行病理性检测与床旁监控，具有广泛的应用前景。

EIT技术通常需要一组电极阵列，常见有16、32个。这些电极与待测物体表面接触，通过施加弱电流或弱电压，从相应的检测电极获取响应电信息，然后通过图像重建算法，得到待测区域内的电导率分布图像。由于分辨率低，EIT图像通常具有边界模糊、伪影大等特点。

目前，EIT的图像质量的评价方法通常是将重建电导率与实际电导率比较得到质量指标，例如相关系数法和图像相对误差法，但这些方法都必须得到实际电导率分布。然而，在实际应用中，实际电导率难以获得，因此目前的图像质量评价方法无法使用。

模糊C均值(FCM)聚类是一种基于划分的模糊聚类方法。首先，确定类数并初始化聚类中心；其次，利用隶属函数计算目标对象的隶属度；最后，在目标函数条件的控制下迭代修正聚类中心和隶属度矩阵。快速FCM聚类适用于一维小数据量的聚类，广泛应用于图像分割领域。

发明内容

本发明的目的是提供一种无监督式EIT图像质量评价方法，无需参考实际电导率分布，在应用中直接对EIT图像进行评价。技术方案如下：

本方法主要包括三部分：FCM聚类、统计分类结果与指标计算。

一种基于模糊C均值聚类的电阻抗层析成像图像质量评价方法，包括三个部分：

第一部分，快速FCM聚类划分图像像素

1)初始化：将得到EIT图像的像素样本投影至灰度离散集，初始化隶属度矩阵为随机数矩阵，设置类数为3；

2)计算各类中心：

3)计算所有像素点在每一类的隶属度，更新隶属度矩阵：

4)检查收敛性：如果两次迭代之间的隶属度差10^-5或迭代次数达到10次，则聚类过程结束，否则重复2)和3)；

5)比较各像素在各类的隶属度值，将像素划分至其最大隶属度所属的类，根据以上方法，最终将EIT图像的像素分为三类，对应伪影类、目标类和背景类，但此时这三类数据与所属类的对应关系未知；

第二部分，统计分类结果

1)分别计算三类像素灰度值的平均值，按照从大到小的顺序将三类数据依次标记为目标、伪影和背景；

2)统计三类数据的像素数量，并计算三类数据的离散程度；

第三部分，计算评价指标

1)计算伪影占比指标：

第三部分，计算图像质量评价指标：

根据伪影的像素数量计算伪影占比，根据目标和背景的像素数量和离散度计算图像均匀度；