[发明专利]基于自适应聚类算法的核磁共振图像分割方法

权利要求书

1.一种基于自适应聚类算法的核磁共振图像分割方法，其特征在于，包括步骤：

1)输入核磁共振图像；

2)调整偏移场；

采用非参数不均匀归一化算法N3的不均匀性的修正方法，发现一个平滑地成倍的场以最大化在组织层次中高频成分的分布，校正偏移场的图像；

3)采用改进的k-means算法分割图像；

首先，采用分位数的方法寻找初始聚类中心；得到所有的初始聚类中心后，进行迭代分割核磁共振图像；采用欧几里得距离作为距离度量；对于每个像素，都计算出该像素到每个聚类的平均值的欧氏距离；如果像素点不在最贴近自己的聚类，它必须被转移到最近的聚类中；如果像素点已经在最接近自己的聚类中，那就不用移动它；如果距离度量低于一个固定的阀值或者相比之前的迭代低于一个固定的阀值，那么该过程将终止；

4)确定聚类数目。

2.如权利要求1所述基于自适应聚类算法的核磁共振图像分割方法，其特征在于，步骤3)中所述分位数的方法具体为：

将像素变成一个向量，所述向量的分位数P_i通过式(Ⅰ)计算，i＝1,2,...,K；式(Ⅰ)中，i＝1,2,...,K，K为聚类数；

Pi=50K+(i-1)100K,i=1,2,...K---(I)]]>

通过P_i乘以向量得到所有的初始聚类中心。

3.如权利要求1或2所述基于自适应聚类算法的核磁共振图像分割方法，其特征在于，步骤4)中确定聚类数目的方法具体为：

定义G值作为评价函数，该函数如式(Ⅱ)所示；

G=SinSout---(II)]]>

式(Ⅱ)中，S_in是类内差异，它代表在一个类中所有像素的像素值之间的标准误差；把图像分为K类：C₁,C₂…C_K，其计算公式如式(Ⅲ)所示：

Sin=1nΣx∈CiΣi=1K||x-z‾i||2---(III)]]>

式(Ⅲ)中，n是图像中的所有像素点的个数；x代表在类C_i中每个像素的灰度值；是第i个类中所有像素点的平均灰度值；

式(Ⅱ)中，S_out是类间差异，代表所有的初始聚类中心之间的标准差；S_out被定义为式(Ⅳ)：

Sout=1KΣi=1K||Ci-C‾||2---(IV)]]>

式(Ⅳ)中，K是聚类数目，C_i是第i个聚类中心的灰度值，是所有初始聚类中心的平均灰度值；

使用G值生成评价函数趋势图，其中，x轴代表聚类数目k，y轴代表G的值；该曲线图中最大曲率的点被用作聚类的数目；肘部的左侧是单调递增的，而肘部的右侧为一条直线。