基于模糊熵的差分进化算法对乳腺图像进行分割的方法技术

本发明专利技术涉及图像处理与优化领域，尤其涉及一种基于模糊熵的差分进化算法对乳腺图像进行分割的方法。首先，结合图像的模糊熵，设置图像分割的参数和评价函数，以最大模糊熵作为评估的函数。其次，采用差分进化算法将图像模糊熵的参数作为初始化种群个体，经过变异、交叉和选择三个进化过程对图像模糊熵进行优化，根据最大模糊熵准则，确定分割图像的最优阈值。最后，应用最大模糊熵和双阈值分割方法对乳腺图像进行分割。通过与其他算法对比测试，本发明专利技术算法在结构相似度和特征相似度上都是最优的分割结果，具有较高的准确性，并且接近于专家手动分割的结果。

Differential Evolution Based on Fuzzy Entropy for Breast Image Segmentation

The invention relates to the field of image processing and optimization, in particular to a method of breast image segmentation based on a differential evolution algorithm based on fuzzy entropy. Firstly, the parameters of image segmentation and the evaluation function are set according to the image fuzzy entropy, and the maximum fuzzy entropy is used as the evaluation function. Secondly, using the parameters of image fuzzy entropy as the initial population, the image fuzzy entropy is optimized through three evolutionary processes: mutation, crossover and selection. According to the maximum fuzzy entropy criterion, the optimal threshold of segmentation image is determined. Finally, the max-fuzzy entropy and double-threshold segmentation method are applied to segment breast image. Compared with other algorithms, the proposed algorithm has the best segmentation results in structural similarity and feature similarity, and has high accuracy, and is close to the result of expert manual segmentation.

【技术实现步骤摘要】
基于模糊熵的差分进化算法对乳腺图像进行分割的方法
本专利技术涉及图像处理与优化领域，尤其涉及一种基于模糊熵的差分进化算法对乳腺图像进行分割的方法。
技术介绍
对乳腺CT图像进行有效的分割是计算机辅助医学诊断重要研究内容之一，阈值法是最常用的分割方法，阈值法的关键是阈值的选取。图像灰度模糊熵中模糊参数的寻优实际是一个优化问题。解决优化问题的方法通常有穷举法、遗传算法、进化算法、粒子群算法等，其中差分进化算法(DifferentialEvolution，DE)是一种通过模拟种群进化差异的启发式随机搜索算法。Storn和Price最初设想是解决Chebyshev多项式问题，后来发现较之其他进化算法，差分进化算法在解决复杂的全局优化问题方面的性能更加突出，过程也更为简单，受控参数少，适应性强。在乳腺肿瘤的诊断和治疗中，腺体的自动划分是至关重要的一步。腺体的分割正确与否直接关系到患者的治疗效果，因此，需要提出一种根据乳腺腺体特征来自动分割算法。经典的分割方法有阈值法、区域生长和分裂合并算法、分水岭变换方法、模糊C均值聚类算法、K-means聚类算法以及基于活动轮廓模型的方法等。其中分水岭变换在本文档来自技高网...

【技术保护点】
1.一种基于模糊熵的差分进化算法对乳腺图像进行分割的方法，其特征在于：首先，结合图像的模糊熵，设置图像分割的参数和评价函数，以最大模糊熵作为评估的函数；其次，采用差分进化算法将图像模糊熵的参数作为初始化种群个体，经过变异、交叉和选择三个进化过程对图像模糊熵进行优化，根据最大模糊熵准则，确定分割图像的最优阈值；最后，应用最大模糊熵和双阈值分割方法对乳腺图像进行分割。

【技术特征摘要】
1.一种基于模糊熵的差分进化算法对乳腺图像进行分割的方法，其特征在于：首先，结合图像的模糊熵，设置图像分割的参数和评价函数，以最大模糊熵作为评估的函数；其次，采用差分进化算法将图像模糊熵的参数作为初始化种群个体，经过变异、交叉和选择三个进化过程对图像模糊熵进行优化，根据最大模糊熵准则，确定分割图像的最优阈值；最后，应用最大模糊熵和双阈值分割方法对乳腺图像进行分割。2.根据权利要求1所述的基于模糊熵的差分进化算法对乳腺图像进行分割的方法，其特征在于：所述方法具体包括以下步骤：步骤1、设置模糊熵阈值分割所需要的参数，所述参数包括种群规模NP、个体维数D、进化最大迭代次数FES、当前迭代次数fes、进化代数Gen，评估函数f(x)；步骤2、按公式(1)进行初始化，得到初始种群：其中，NP为种群规模，D为解空间的维数，用XG来表示进化到G代时的种群，i表示第i个种群个体，每一个个体是由D维参数构成；步骤3、以最大模糊熵作为评估函数，计算初始种群中个体的适应值，记作fitness；步骤4、选取“rand/1”作为变异策略，变异策略如公式(2)所示：DE/rand/1：其中，父代种群中的个体通过变异策略产生变异个体“DE/rand/1”表示利用DE算法选择一个随机父代种群中...

【专利技术属性】
技术研发人员：柳培忠，范宇凌，唐加能，骆炎民，杜永兆，
申请(专利权)人：华侨大学，泉州市中仿宏业信息科技有限公司，
类型：发明
国别省市：福建,35