的方形区域，使其能够被uXu整除，再在感兴趣区域内除已选取的方形区域之外的剩余 区域中选取一个最大范围的方形区域，使其能够被uXu整除，重复以上步骤直至所有选取 出的方形区域均能够被uXu整除，最后将无法被uXu整除的区域通过空白像素填充直至 恰好能够被u X u整除。
[0033] ③采用标记分水岭分割算法对当前灰度图像进行分割，得到经过分割后的多块初 步目标区域。
[0034] ④对获得的所有初步目标区域中当前待处理的一块初步目标区域定义为当前初 步目标区域。
[0035] ⑤从当前灰度图像中提取出与当前初步目标区域对应的所有尺寸大小为uXu的 子块，对提取出的所有子块中当前待处理的一个子块定义为当前子块。
[0036] ⑥将当前子块中的每个像素点的像素值分别作为输入参数输入非线性优化模型 中进行优化，该非线性优化模型为：
[0038] 其中表示非线性优化模型输出的信噪比，A为固定周期信号的幅度，f。为固定 CU 周期信号的频率，t为布朗粒子的运动时间，Φ为固定周期信号的初相位，m、η均为双稳态 势皇实参数，g(t)表示非线性优化模型的输入参数，s为布朗粒子的运动坐标，α为噪声强 度，ξ (t)为均值为0的高斯白噪声；
[0039] 将当前子块中的每个像素点的像素值分别作为输入参数输入非线性优化模型中 进行优化后，由非线性优化模型输出当前子块中的每个像素点的信噪比，如果当前子块中 的每个像素点的信噪比与事先存储于数据库中的MRI扫描图像的灰度图像中对应的像素 点的信噪比相比，误差小于10%，则判定当前子块优化成功，将优化成功的当前子块定义为 保留子块，其中，事先存储于数据库中的MRI扫描图像的灰度图像的尺寸大小与当前灰度 图像的尺寸大小相同；
[0040] 事先存储于数据库中的MRI扫描图像的灰度图像中的每个像素点的信噪比的具 体获取过程为：
[0041] ⑥-1选取一幅具有代表性的MRI扫描图像，该具有代表性的MRI扫描图像的宽度 为W，高度为H，然后将该MRI扫描图像转换为灰度图像；
[0042] ⑥-2如果WXH能够被uXu整除，则将该灰度图像作为待处理灰度图像，然后直 接将待处理灰度图像划分尽
个互不重叠的尺寸大小为uXu的子块；如果WXH不能 够被uXu整除，则扩展该灰度图像直至其尺寸大小恰好能够被uXu整除，将扩展后的灰度 图像作为待处理灰度图像，然后将待处理灰度图像划分@
个互不重叠的尺寸大小 为uXu的子块，其中，W'表示扩展后的灰度图像的宽度，H'表示扩展后的灰度图像的高度， W' = = W 且 Η' >H，或 W' >W 且 H' = = H，或 W' >W 且 Η' >H ;
[0043] ⑥-3手动圈定待处理灰度图像中的每个目标区域；
[0044] ⑥-4计算得到待处理灰度图像中的每个目标区域对应的每个尺寸大小为uXu的 子块中的每个像素点的信噪比。
[0045] ⑦判断提取出的所有子块是否全部处理完毕，若全部处理完毕，则得到由所有保 留子块形成的最终目标区域，并执行步骤⑧；若有未处理的子块，则将提取出的所有子块中 下一个待处理的子块定义为当前子块，返回步骤⑥。
[0046] ⑧判断获得的所有初步目标区域是否全部处理完毕，若全部处理完毕，则得到当 前灰度图像中经过分割后形成的多个最终目标区域，并执行步骤⑨；若有未处理的初步目 标区域，则将获得的所有初步目标区域中下一个待处理的初步目标区域定义为当前初步目 标区域，返回步骤⑤。
[0047] ⑨完成对MRI扫描图像的分割过程。
[0048] 实施例二：其余部分与实施例一相同，其不同之处在于u = 4。实施例三：其余部 分与实施例一相同，其不同之处在于u = 6。
【主权项】
1.基于多尺度空间模糊聚类的无监督MRI图像分割方法，其特征在于包括以下步骤： ① 从医院的MRI医学影像设备中获取一幅待分割的MRI扫描图像，然后将该待分割的 MRI扫描图像转换成灰度图像，再采用模糊聚类算法对灰度图像进行分析，得到初始感兴趣 的轮廓认1，4243，*"^11}，其中41、4233、*"、411表示构成初始感兴趣的轮廓的所有 边缘点； ② 根据初始感兴趣的轮廓{Al，A2,A3，…，An}，经过包络获得灰度图像中的感兴趣区 域，根据该感兴趣区域的外形选取一个能够将该感兴趣区域包含在内的方形区域，定义该 方形区域的宽度为W、高度为H，如果该方形区域的尺寸大小WXH能够被uXu整除，则将 WX // 该方形区域定义为当前灰度图像，然后直接将当前灰度图像划分成个互不重叠的尺 U>U 寸大小为UXu的子块；如果WXH不能够被uXu整除，则扩展该方形区域直至其尺寸大小W'XH'恰好能够被uXu整除，其中，W'表示经过扩展的方形区域的宽度，H'表示经过扩展 的方形区域的高度，再将经过扩展的方形区域定义为当前灰度图像，然后将当前灰度图像 W'x//1 、 划分成---个互不重叠的尺寸大小为uXu的子块，W' = =W且Η'>H，或W'>W且H' = II乂II =H，或W'>W且H' >H，u取 4 或 5 或 6 ; ③ 采用标记分水岭分割算法对当前灰度图像进行分割，得到经过分割后的多块初步目 标区域； ④ 对获得的所有初步目标区域中当前待处理的一块初步目标区域定义为当前初步目 标区域； ⑤ 从当前灰度图像中提取出与当前初步目标区域对应的所有尺寸大小为uXu的子 块，对提取出的所有子块中当前待处理的一个子块定义为当前子块； ⑥ 将当前子块中的每个像素点的像素值分别作为输入参数输入非线性优化模型中进 行优化，该非线性优化模型为：其中：f表示非线性优化模型输出的信噪比，A为固定周期信号的幅度，f。为固定周期 dt 信号的频率，t为布朗粒子的运动时间，Φ为固定周期信号的初相位，m、η均为双稳态势皇 实参数，g(t)表示非线性优化模型的输入参数，s为布朗粒子的运动坐标，α为噪声强度， ξ(t)为均值为0的高斯白噪声； 将当前子块中的每个像素点的像素值分别作为输入参数输入非线性优化模型中进行 优化后，由非线性优化模型输出当前子块中的每个像素点的信噪比，如果当前子块中的每 个像素点的信噪比与事先存储于数据库中的MRI扫描图像的灰度图像中对应的像素点的 信噪比相比，误差小于10%，则判定当前子块优化成功，将优化成功的当前子块定义为保留 子块，其中，事先存储于数据库中的MRI扫描图像的灰度图像的尺寸大小与当前灰度图像 的尺寸大小相同； ⑦ 判断提取出的所有子块是否全部处理完毕，若全部处理完毕，则得到由所有保留子 块形成的最终目标区域，并执行步骤⑧；若有未处理的子块，则将提取出的所有子块中下一 个待处理的子块定义为当前子块，返回步骤⑥； ⑧ 判断获得的所有初步目标区域是否全部处理完毕，若全部处理完毕，则得到当前灰 度图像中经过分割后形成的多个最终目标区域，并执行步骤⑨；若有未处理的初步目标区 域，则将获得的所有初步目标区域中下一个待处理的初步目标区域定义为当前初步目标区 域，返回步骤⑤； ⑨ 完成对MRI扫描图像的分割过程。2. 根据权利要求1所述的基于多尺度空间模糊聚类的无监督MRI图像分割方法，其特 征在于在步骤②中，u= 5。3. 根据权利要求1所述的基于多尺度空间模糊聚类的无监督MRI图像分割方法，其特 征在于在步骤②中，根据初始感兴趣的轮廓{A1，A2，A3,…，六!!}，经过包络获得感兴趣的灰 度图像区域的具体过程为：首先根据初始感兴趣的轮廓的外形选取一个最大范围的方形区 ±或，使其能够被uXu整除，再在感兴趣区域内除已选取的方形区域之外的剩余区域中选取 一个最大范围的方形区域，使其能够被uXu整除，重复以上步骤直至所有选取出的方形区 域均能够被uXu整除，最后将无法被uXu整除的区域通过空白像素填充直至恰好能够被 uXu整除。4. 根据权利要求1所述的基于多尺度空间模糊聚类的无监督MRI图像分割方法，其特 征在于步骤⑥中事先存储于数据库中的MRI扫描图像的灰度图像中的每个像素点的信噪 比的具体获取过程为： ⑥-1选取一幅具有代表性的MRI扫描图像，该具有代表性的MRI扫描图像的宽度为W， 高度为H，然后将该MRI扫描图像转换为灰度图像； ⑥-2如果WXH能够被uXu整除，则将该灰度图像作为待处理灰度图像，然后直接将 待处理灰度图像划分成^^个互不重叠的尺寸大小为uXu的子块；如果WXH不能够被 U乂U uXu整除，则扩展该灰度图像直至其尺寸大小恰好能够被uXu整除，将扩展后的灰度图 像作为待处理灰度图像，然后将待处理灰度图像划分成^^个互不重叠的尺寸大小为 UXU UXu的子块，其中，W'表示扩展后的灰度图像的宽度，H'表示扩展后的灰度图像的高度，W'==W且Η' >H，或W'>W且H' = =H，或W'>W且Η'>H; ⑥-3手动圈定待处理灰度图像中的每个目标区域； ⑥-4计算得到待处理灰度图像中的每个目标区域对应的每个尺寸大小为uXu的子块 中的每个像素点的信噪比。
【专利摘要】本发明公开了基于多尺度空间模糊聚类的无监督MRI图像分割方法，特点是包括以下步骤：获取一幅待分割的MRI扫描图像，转换成灰度图像，采用模糊聚类算法分析得到初始感兴趣的轮廓；获得感兴趣的灰度图像区域，定义当前灰度图像；采用标记分水岭分割算法对当前灰度图像进行分割，得到多块初步目标区域；定义当前初步目标区域；定义当前子块；将当前子块中的每个像素点的像素值分别作为输入参数输入非线性优化模型中进行优化；将判定优化成功的当前子块定义为保留子块；重复执行前述步骤直至所有初步目标区域均处理完毕，完成对MRI扫描图像的分割；优点是提高了图像分割结果的准确性；有效地去除图像中的噪声；提高了退化图像的鲁棒性。
【IPC分类】G06T7/00
【公开号】CN105261005
【申请号】CN201510577621
【发明人】傅均, 汤旭翔, 陈柳柳, 赵帅
【申请人】浙江工商大学
【公开日】2016年1月20日
【申请日】2015年9月11日