[发明专利]一种基于振荡网络的医学图像分割方法

摘要

本发明涉及的是医学图像分割方法。现有方法存在对于光照不均匀的图像难以用统一的门限进行分割、对噪声和灰度不均匀较敏感等问题。本发明方法具体步骤包括(1)建立振荡网络、(2)在网络内搜索寻找振荡发起点、(3)由发起点开始振荡，向周边邻域进行迭代扩充、(4)振荡发生结束后，以有无标记为根据分割出“目标”和“背景”。在本方法中综合了图像分割中基于边缘跟踪的方法和基于区域生长方法的优点，在获得和区域生长方法相同结果的前提下，大大降低了时间复杂度和空间复杂度，其鲁棒性和分割速度大大提高，将在实际应用中有广阔的发展前景。

主权项

1、一种基于振荡网络的医学图像分割方法，其特征在于该方法具体步骤包括：(1)建立振荡网络，具体包括：①建立一个振子单元，该单元的输入是图像象素灰度值Ii，输出是该振子兴奋单元的状态xi，表示为：${\stackrel{·}{x}}_1={3x}_i-{x_i}^3+2-y_i+\rho +I_{i}H(p_i+\exp (-\mathrm{\alpha t})-\theta )+S_i---\left(1a\right)$ ${\stackrel{·}{y}}_i=ϵ(\gamma (1+\tanh (x_i/\beta ))-y_i)---\left(1b\right)$ ${\stackrel{·}{p}}_i=\lambda (1-p_i)H[\underset{k\in N_1\left(i\right)}{\Sigma }{T}_{\mathrm{ik}}H(x_k-{\theta }_x)-{\theta }_p]-{\mathrm{\mu p}}_i---\left(2\right)$ $S_i=\underset{k\in N_2\left(i\right)}{\Sigma }{W}_{\mathrm{ik}}H(x_k-{\theta }_x)-W_{z}H(z-{\theta }_z)---\left(3\right)$ $\stackrel{·}{z}=\phi ({\sigma }_{\infty }-z)---\left(4\right)$ 其中xi是振子兴奋单元的状态，yi是振子抑制单元的状态，Ii是图像象素灰度值，pi是振子具有的势能，pi超过设定的阈值θp时，就会发生状态跃迁；Si是与相邻振子和全局抑制单元的耦合系数，Tik和Wik是静态连接权重和动态连接权重，N1为势能邻域，N2为扩充邻域；xi只有两个状态“1”和“0”，“0”代表背景点，“1”代表目标点；②确定振荡网络的参数，势能邻域N1值为24个像素邻域，扩充邻域值为4个像素邻域；静态连接权重Tik设置为一个永久性权重为T12＝1/(1+/p1-p2/)，其中p1、p2为两个像索对应的灰度值；动态连接权重Wik设置为一个自适应的权重：Wik＝Range(I)＝(Wmax-Wmin)(I/Wmax)n+Wmin，其中I为当前像素灰度值，[Wmax，Wmin]为设定的一个最大、最小权值范围，n值为1、2或3；将所有的像素状态xi标记为0，并将当前的标签值设为1；③根据图像N×N大小，将N×N个振子互相耦合，再与全局抑制单元输出耦合，该振荡网络就建立完成；(2)在网络内搜索寻找振荡发起点，具体方法是：如果在某像素的势能邻域(N1)内，发起点相似像素的数目超过预设的阈值，则该像素为一个发起点，做标记；确定发起点相似像素的方法：将像素间的灰度值差和连接权值(Tik)相比较，如灰度差值小于连接权值，则两个像素相似，反之则不相似；(3)由发起点开始振荡，向周边邻域进行迭代扩充；对每一个发起点，在其扩充邻域(N2)内寻找未被归入发起点的扩充点相似像素，标记为与发起点一样的标签值作为扩充点，再以该扩充点进行振荡，继续向周边扩充，直到在网络内搜索结束；确定扩充点相似像素的方法：将像素间的灰度值差和连接权值(Wik)相比较，如灰度差值小于连接权值，则两个像素相似，反之则不相似；(4)振荡发生结束后，以有无标记为根据分割出目标和背景。