【技术实现步骤摘要】
基于形态学重建和隶属度滤波的模糊聚类图像分割方法
本专利技术涉及图像分割方法领域，特别涉及一种基于形态学重建和隶属度滤波的模糊聚类图像分割方法。
技术介绍
脑部MRI是一种非侵入性和高分辨率的成像技术，在临床上已经得到广泛应用。如何快速准确的分割出脑部MRI图像中的各种成分尤为重要。近几十年来，很多新的方法和思想被应用于医学图像分割领域，其中比较代表的有模糊C均值聚类法、超像素分割算法等。超像素分割算法利用空间约束信息，具有有一定的抗噪性，能够保留图像的原始边界信息，但是超像素分割的个数需要人为确定，很大程度上依赖于经验值，会直接影响到分割效果。相关内容可参见专利CN103353986“一种基于超像素模糊聚类的脑部MR脑部分割方法”模糊C均值聚类算法(FuzzyC-Meancluster,FCM)是由Bezdek提出的(参考文献：BezdekJC,EhrlichR,FullW,FCM:Thefuzzyc-meansclusteringalgorithm[J].Computers&Geosciences,1984.10(2):191-203.),相比K均值聚...
【技术保护点】
1.一种基于形态学重建和隶属度滤波的模糊聚类图像分割方法，其特征在于，包括以下步骤：1)读入原始图像f，设置聚类中心数量c、初始聚类中心数值v0、模糊化参数m、滤波窗口大小w和最小误差阈值η；2)对原始图像的灰度级进行模糊聚类,目标函数为:
【技术特征摘要】
1.一种基于形态学重建和隶属度滤波的模糊聚类图像分割方法，其特征在于，包括以下步骤：1)读入原始图像f，设置聚类中心数量c、初始聚类中心数值v0、模糊化参数m、滤波窗口大小w和最小误差阈值η；2)对原始图像的灰度级进行模糊聚类,目标函数为:ε＝RC(f)(2)其中γl是灰度级级数,ukl代表隶属度矩阵中的数,参数m是模糊加权指数,用来决定聚类结果的模糊程度,ε是形态学闭合重建后的图像,εl是重建图像的像素点,vk是聚类中心,q表示像素灰度级的数量,c表示聚类中心个数,RC代表形态学闭合重建,f代表原始图像；利用公式(2)对图像进行形态学闭合重建并计算形态学闭合重建后的新图像ε的灰度直方图；3)随机初始化隶属度矩阵U0，设置循环计数器t＝0；4)利用拉格朗...
【专利技术属性】
技术研发人员：段鹏，程文播，章强，钱庆，潘宇骏，杨任兵，
申请(专利权)人：中国科学院苏州生物医学工程技术研究所，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。