結(jié)合加權(quán)鄰域信息與偏移場恢復(fù)的腦mr圖像分割方法
【專利摘要】本發(fā)明公開了一種結(jié)合加權(quán)鄰域信息與偏移場恢復(fù)的腦MR圖像分割方法，首先構(gòu)造各向異性鄰域信息，并將其融入到FCM模型中；其次，為降低偏移場的影響，將偏移場信息融入到改進(jìn)的模型中，使得模型在分割得同時(shí)恢復(fù)偏移場。本發(fā)明將偏移場作為乘性附加場耦合到模型中，克服偏移場對分割的影響；然后建立加權(quán)領(lǐng)域信息場，使其具有各向異性；將各向異性加權(quán)信息場代替?zhèn)鹘y(tǒng)FCM中的灰度信息，以降低噪聲的影響，同時(shí)還能較好地保持細(xì)長拓?fù)浣Y(jié)構(gòu)信息。本發(fā)明不需要調(diào)節(jié)空間鄰域信息正則項(xiàng)參數(shù)，從而提高了模型的魯棒性。
【專利說明】結(jié)合加權(quán)鄰域信息與偏移場恢復(fù)的腦MR圖像分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于腦部MR圖像分割【技術(shù)領(lǐng)域】，尤其是涉及一種結(jié)合加權(quán)鄰域信息與偏移場回復(fù)的腦MR圖像分割方法。
【背景技術(shù)】
[0002]腦部疾病是當(dāng)前威脅人類身體健康的主要疾病之一。利用腦影像檢查技術(shù)，定性和定量地分析腦功能，對有效地診斷腦疾病有重要幫助。在人類對大腦的研究與臨床疾病診療中，醫(yī)學(xué)磁共振成像(magnetic resonance image, MRI)能夠?yàn)榇竽X解剖結(jié)構(gòu)提供具有很高軟組織對比度的圖像且對人體危害較小，使其在醫(yī)學(xué)臨床上的應(yīng)用越來越廣泛和深入，并成為人們進(jìn)行腦功能、病理研究的主要手段。由于腦圖像內(nèi)部組織間邊界的模糊性和MR圖像成像過程中所造成的圖像內(nèi)在的不確定性，使得模糊聚類技術(shù)廣泛地應(yīng)用于MR圖像分割。目前應(yīng)用最為廣泛的模糊聚類技術(shù)是模糊C均值聚類(fuzzy C means，F(xiàn)CM)算法。
[0003]FCM算法是由Dunn于1974年提出，而后由Bezdek提出改進(jìn)。FCM算法是通過對目標(biāo)函數(shù)進(jìn)行迭代優(yōu)化，進(jìn)而對數(shù)據(jù)樣本集進(jìn)行模糊聚類的一種方法，用一個(gè)模糊隸屬度矩陣U= (Uik)exn來表示分類結(jié)果。運(yùn)用FCM算法對圖像進(jìn)行分割，數(shù)據(jù)樣本集就是η個(gè)像素，將這η個(gè)像素分成c類，得到c個(gè)類別中心和模糊隸屬度矩陣，Uik表示第k個(gè)像素分為第i類的隸屬度，F(xiàn)CM的目標(biāo)函數(shù)定義為:
[0004]
【權(quán)利要求】
1.一種結(jié)合加權(quán)鄰域信息與偏移場恢復(fù)的腦MR圖像分割方法，其特征在于，包括如下步驟: Stepl.給定類別數(shù)c，模糊加權(quán)指數(shù)m，鄰域尺寸L,偏移場b ; Step2.通過下式提取每個(gè)像素xk對應(yīng)的鄰域Pk:
Pk = {xr, r e Nj ； Step3.通過下式計(jì)算Pk的權(quán)重向量Bk:

2.根據(jù)權(quán)利要求1所述的結(jié)合加權(quán)鄰域信息與偏移場恢復(fù)的腦MR圖像分割方法，其特征在于:所述t4i+1>、》^+1>和滬+1)通過應(yīng)用拉格朗日乘數(shù)法分別對下式中的每個(gè)變量求偏導(dǎo)得到:
3.根據(jù)權(quán)利要求1或2所述的結(jié)合加權(quán)鄰域信息與偏移場恢復(fù)的腦MR圖像分割方法，其特征在于:K = β σ。
4.根據(jù)權(quán)利要求3所述的結(jié)合加權(quán)鄰域信息與偏移場恢復(fù)的腦MR圖像分割方法，其特征在于:β取為I。
【文檔編號】G06T7/00GK103996193SQ201410209965
【公開日】2014年8月20日 申請日期:2014年5月16日 優(yōu)先權(quán)日:2014年5月16日
【發(fā)明者】陳允杰, 顧升華, 朱節(jié)中, 鄭鈺輝 申請人:南京信息工程大學(xué)