一种基于虫洞行为粒子群优化算法的脑图像分割方法技术

一种基于虫洞行为粒子群优化算法的脑图像分割方法涉及图像处理技术领域，具体涉及一种基于虫洞行为粒子群优化算法的脑图像分割方法。一种基于虫洞行为粒子群优化算法的脑图像分割方法，包括以下步骤：(1)输入图像并初始化；(2)把粒子聚类为种子和像素；(3)检查第一粒子是否在第二粒子的邻域内，是则分组，否则进入步骤(6)；(4)检查粒子是否在种子粒子的邻域范围内，是则分组，否则进入步骤(6)；(5)两个种子颗粒相遇时计算距离，进行步骤(7)；(6)将粒子聚集到前景和背景区域；(7)将粒子聚类到前台和后台区域；(8)如果已完成聚类，则输出图像退出，否则进行步骤(3)。本发明专利技术操作效率高、分割精度。

A Brain Image Segmentation Method Based on Wormhole Behavior Particle Swarm Optimization

A brain image segmentation method based on wormhole behavior particle swarm optimization (PSO) algorithm involves the field of image processing technology, in particular, a brain image segmentation method based on wormhole behavior particle swarm optimization algorithm. A brain image segmentation method based on wormhole behavior particle swarm optimization algorithm includes the following steps: (1) input image and initialization; (2) cluster particles into seeds and pixels; (3) check whether the first particle is grouped in the neighborhood of the second particle, or enter the step (6); (4) check whether the particle is grouped in the neighborhood of the seed particle, or enter the step (6); (4) check whether the particle is grouped in the neighborhood of the seed particle, or not. 6); (5) Calculate the distance when two seed particles meet and proceed with step (7); (6) gather the particles into foreground and background regions; (7) cluster the particles into foreground and background regions; (8) exit the output image if the clustering has been completed, or proceed with step (3). The invention has high operation efficiency and segmentation accuracy.

【技术实现步骤摘要】
一种基于虫洞行为粒子群优化算法的脑图像分割方法
本专利技术涉及图像处理
，具体涉及一种基于虫洞行为粒子群优化算法的脑图像分割方法。
技术介绍
准确地分析医学图像，特别是脑肿瘤，是降低临床死亡率的重要任务。脑肿瘤有时生长迅速，在医学图像中经常表现为高度不规则和复杂的形状。这种特有的肿瘤外观被称为“硬脑膜尾部征”，并且经常发生在脑膜瘤附近，其中硬脑膜尾部是由于硬脑膜的增厚、增强和远端逐渐变细而出现的。虽然经典的图像分割技术可能对某些图像很有效，但对于其他图像来说，它们可能根本不起作用。这往往取决于所研究的特定图像分割任务的性质。医学图像中脑肿瘤的可靠分割是一项特别具有挑战性的任务。例如，一些脑肿瘤可能表现出高度复杂的所谓“瓶颈”形状，本质上是一个长而不明显的锥形尾部的圆，被称为“硬脑膜尾部”。这种复杂的形状可能不容易分割，特别是在长尾区域或所谓的“瓶颈”形状附近。现有的医学分割方法通常完全忽略涂抹区域或需要较长的处理周期以获得更精确的分割。在这些情况下，现有的图像分割技术常常不能很好地工作。然而，精确的医学图像分割在帮助更好地识别和诊断肿瘤方面是非常重要的，迫切需要改进的方法来帮助本文档来自技高网...

【技术保护点】
1.一种基于虫洞行为粒子群优化算法的脑图像分割方法，其特征在于，包括以下步骤：(1)输入图像并初始化每个粒子的位置向量；(2)使用K‑means算法把粒子聚类为种子和像素；(3)在两个像素粒子相遇的情况下，为两个像素的位置差和像素灰度差值的阈值，检查第一粒子是否在第二粒子的邻域内，是在邻域内将它们分组，否则进入步骤(6)；(4)在像素量子粒子遇到种子量子粒子的情况下，种子灰度值成为种子区域中粒子平均灰度值，检查粒子是否在种子粒子的邻域范围内，是在邻域内将其分组，否则进入步骤(6)；(5)在两个种子颗粒相遇的情况下，计算它们的距离，然后进行到步骤(7)；(6)通过公式计算将粒子聚集到前景和背景区...

【技术特征摘要】
1.一种基于虫洞行为粒子群优化算法的脑图像分割方法，其特征在于，包括以下步骤：(1)输入图像并初始化每个粒子的位置向量；(2)使用K-means算法把粒子聚类为种子和像素；(3)在两个像素粒子相遇的情况下，为两个像素的位置差和像素灰度差值的阈值，检查第一粒子是否在第二粒子的邻域内，是在邻域内将它们分组，否则进入步骤(6)；(4)在像素量子粒子遇到种子量子粒子的情况下，种子灰度值成为种子区域中粒子平均灰度值，检查粒子是否在种子粒子的邻域范围内，是在邻域内将其分组，否则进入步骤(6)；(5)在两个种子颗粒相遇的情况下，计算它们的距离，然后进行到步骤(7)；(6)通过公式计算将粒子聚集到前景和背景区域；(7)通过公式计算，将粒子聚类到前台和后台区域；(8)如果所有的粒子都已完成聚类，则输出分割后的图像，然后退出，否则返回到步骤(3)。2.根据权利要求1所述的一种基于虫洞行为粒子群优化算法的脑图像分割方法，其特征在于：所述步骤(3)中，通过Δf＝∣fij-fkl∣≤THfand检查第一粒子是否在第二粒子的邻域内，其中fij是第一像素的灰度值，fkl是第二像素的灰度值，THo为第一像素和第二像素的位置差的阈值，THf为第一像素和第二像素灰度差值的阈值，Δf为第一像素和第二像素的度差值，Δd为第一像素和第二像素灰的位置差，第一粒子的位置为x(i,j)，第二粒子的位置为x(k,l)。3.根据权利要求1所述的一种基于虫洞行为粒子群优化算法的脑图像分割方法，其特征在于：所述步骤(4)中，通过and检查粒子是否在种子粒子的邻域范围内，为种子量子粒子de灰度值，fij...

【专利技术属性】
技术研发人员：张天驰，张菁，张继超，朴光宇，苏一北，李根，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23