[发明专利]基于自适应聚类算法的核磁共振图像分割方法

摘要

本发明公开了一种基于自适应聚类算法的核磁共振图像分割方法，属于图像分割领域。本发明提出了一种区分脑部核磁共振图像的基于k‑means算法的聚类分割算法，该算法可以自动且高效地确定聚类数以分割目标核磁共振图像，从而代替人为的方法。实验结果表明，本发明方法相对于其他的方法和准则具有一定的优势。本发明方法不仅可以准确地找到适当数量的聚类数，而且相比其他方法具有更高的精度和效率。同时，本发明用参考图像测试了本发明方法，并利用定量评价验证了分割结果。结果显示本发明方法具有较高的精度和鲁棒性。

主权项

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。