[发明专利]一种基于多特征区分的MRI脑肿瘤图像分割方法

权利要求书

1.一种基于多特征区分的MRI脑肿瘤图像分割方法，其特征在于，包括如下步骤：

步骤1：对多模态MRI脑肿瘤图像提取视觉差分图像I，并将视觉差分图像I分割为n个超像素块；

步骤2：从每个超像素块提取k个特征，得到特征矩阵：

I_C＝(I₁,I₂,···,I_j,···,I_k)^T

其中，I_j＝(q₁,q₂,···,q_i,···,q_n)^T为第j个特征的特征向量，q_i为第i个超像素块的特征值；

构造区分能力公式：

其中：E_j为第j个特征的区分能力，s_j为第j个特征的标准差，λ为控制因子，e_j为第j个特征的信息熵，q_i,j为第j个特征的特征向量中第i个值，为第j个特征的特征向量均值，p_m,j为第j个特征的概率向量中第m个值，N代表特征向量的数据级别；

根据特征区分能力给各特征向量设置权重，得到加权特征矩阵；

步骤3：将加权特征矩阵利用稀疏表示分割算法获取分割结果，对分割结果进行干扰项剔除，对多个视觉差分图像的剔除了干扰项的分割结果进行融合，得到最终分割结果。

2.根据权利要求1所述的方法，其特征在于，步骤2中给各特征向量设置权重的具体方法如下：

根据特征区分能力设置第j个特征向量的权重值为：

其中，E_max＝max[E₁,E₂,···,E_j,···,E_k]为特征最大区分能力值，ω_j为第j个特征向量的权重值，G为权值系数，ω₀为初始权值，A为权值调解参数。

3.根据权利要求1或2所述的方法，其特征在于，步骤2中的k个特征包括：超像素块的灰度平均值、灰度统计值、差分边缘、能量、信息熵。