[发明专利]一种最小交叉Tsallis熵的小目标MRI图像分割方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种最小交叉Tsallis熵的小目标MRI图像分割方法。

背景技术

医学图像分割是提取影像图像中特殊组织的定量信息所不可缺少的手段，同时也是图像三维重建和可视化的前提。分割后的图像被广泛地应用于各种场合，如病变组织的定位及诊断，解剖结构的学习，计算机指导手术和三维可视化等。

MRI(核磁共振成像)图像是医用图像的重要组成部分之一，但是由于MRI图像存在一定程度的噪声，所以我们需要对原始MRI图像进行预处理，以便获得更好的像质，提高处理的精度，得到理想的分割效果。

现有技术主要采用最小交叉Tsallis熵方法对图像进行分割，提高图像分割的准确度。但是采用这种方法得到的分割图像的准确度还是不够高。

发明内容

本发明所要解决的技术问题是：提供一种最小交叉Tsallis熵的小目标MRI图像分割方法，采用这种方法得到的分割图像准确度较高。

本发明所采用的技术方案是：一种最小交叉Tsallis熵的小目标MRI图像分割方法，它包括以下步骤：

(1)、获取带分割的MRI图像，并且将其转换为灰度图像；

(2)、然后将步骤(1)得到的灰度图像中的所有像素点分为P1和P2两个阵列，P1为奇数像素点，P2位偶数像素点；

(3)、将P1和P2两个阵列输入非线性图像优化模型，经过优化后得到P11和P22两个阵列，其中所述的非线性图像优化模型如下：

dsdt=A×sin(2πf0t+ψ)+img(t)+ns-ms3+2αξ(t);]]>

式中，A为信号幅度；f₀为周期信号频率；ψ为周期信号初相位；s为布朗粒子运动坐标；t为布朗粒子运动时间；A×sin(2πf₀t+ψ)为随机共振周期性输入信号函数；img(t)为输入的P1或P2阵列；m和n为双稳态势垒实参数；α为噪声强度；ξ(t)为均值为0的高斯白噪声，其自相关函数E[ξ(t)ξ(0)]＝2αδ(t)，其强度为α，δ(t)为单位脉冲函数；

(4)、然后计算P11和P22两个阵列之间的对称交叉Tsallis熵；

(5)、如果步骤(4)得到的熵的绝对值处于[0,12]之间，则表明两者的对称交叉性良好，可以作为分割结果；如果处于这个范围之外，那么表明分割不成功。

采用以上方法与现有技术相比，本发明具有以下优点：将灰度图像中的像素阵列经过非线性图像优化模型进行优化，然后再计算交叉熵，这样就能验证优化是否成功，分割是否良好，这样优化成功后的分割图像准确度较高。

附图说明

图1为原始灰度图像。

图2为采用本发明方法得到的分割图像。

具体实施方式

以下结合附图与具体实施方式对本发明做进一步描述，但是本发明不仅限于以下具体实施方式。

一种最小交叉Tsallis熵的小目标MRI图像分割方法，其特征在于：它包括以下步骤：

(1)、获取带分割的MRI图像，并且将其转换为灰度图像；