一种基于模糊熵以及差分进化的乳腺图像分割法制造技术

本发明专利技术提供了图像处理领域的一种基于模糊熵以及差分进化的乳腺图像分割法，包括如下步骤：步骤S1、获取乳腺图像，设置模糊熵阈值的分割参数；步骤S2、对种群进行初始化；步骤S3、基于所述分割参数，计算初始化种群内个体的模糊熵隶属度函数，进而求取个体的适应值，生成优化种群；步骤S4、对所述优化种群进行变异、交叉以及选择操作；步骤S5、判断当前迭代次数是否大于最大迭代次数，若是，则输出各个体对应的最优的模糊熵隶属度参数，并进入步骤S6；若否，则进入步骤S3；步骤S6、利用所述最优的模糊熵隶属度参数以及双阈值分割法对乳腺图像进行分割。本发明专利技术的优点在于：极大的提升了乳腺图像分割的精度和速度，进而提升患者的治疗效果。

A method of breast image segmentation based on fuzzy entropy and differential evolution

【技术实现步骤摘要】
一种基于模糊熵以及差分进化的乳腺图像分割法
本专利技术涉及图像处理领域，特别指一种基于模糊熵以及差分进化的乳腺图像分割法。
技术介绍
乳腺癌发生在肾上皮组织上，腺体分割的准确性对医生的诊断至关重要，因此乳腺图像分割成为肿瘤检测中最重要的任务之一。随着技术的进步，乳腺造影、超声、磁共振(MR)和计算机断层扫描(CT)等技术获取的乳腺图像在乳腺病变检测中得到了广泛的应用。针对乳腺图像的分割，传统上存在阈值法、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。然而传统的方法并不能精确和快速的分割乳腺图像，例如分水岭变换在分割乳腺图像时能够产生单像素的封闭轮廓，但存在过分割现象；基于活动轮廓模型能够实现目标轮廓的提取，但对初始位置敏感，易陷入局部极值，降低了求解速度。因此，如何提供一种基于模糊熵以及差分进化的乳腺图像分割法，实现提升乳腺图像分割的精度和速度，进而提升患者的治疗效果，成为一个亟待解决的问题。
技术实现思路
本专利技术要解决的技术问题，在于提供本文档来自技高网...

【技术保护点】
1.一种基于模糊熵以及差分进化的乳腺图像分割法，其特征在于：包括如下步骤：/n步骤S10、获取乳腺图像，所述乳腺图像为灰度图像；设置模糊熵阈值的分割参数，所述分割参数包括种群规模NP、个体维数D、最大迭代次数FES、当前迭代次数fes、进化代数G以及评估函数f(.)；其中NP、D、FES以及fes均为正整数，且FES＝NP*1000；评估函数f(.)为最大模糊熵；/n步骤S20、利用公式

【技术特征摘要】
1.一种基于模糊熵以及差分进化的乳腺图像分割法，其特征在于：包括如下步骤：
步骤S10、获取乳腺图像，所述乳腺图像为灰度图像；设置模糊熵阈值的分割参数，所述分割参数包括种群规模NP、个体维数D、最大迭代次数FES、当前迭代次数fes、进化代数G以及评估函数f(.)；其中NP、D、FES以及fes均为正整数，且FES＝NP*1000；评估函数f(.)为最大模糊熵；
步骤S20、利用公式对种群进行初始化；其中xiG表示第G代种群；i表示个体的编号；表示个体，各个体均由B维模糊熵隶属度参数组成，且B＝6，B维模糊熵隶属度参数包括a1、b1、c1、a2、b2、c2，且均为正数；各个体均随机选择在[xL,xU]，xL表示像素值的下界，取值为0；xU表示像素值的上界，取值为255；
步骤S30、基于所述分割参数，计算初始化种群内个体的模糊熵隶属度函数Qt，进而求取个体的适应值，生成优化种群；
步骤S40、利用公式使所述优化种群变异，产生变异个体；其中viG表示第G代变异个体；表示种群；F表示标度因子，F∈[0,1]；索引r1,r2,r3表示种群中任意三个模糊熵隶属度参数的组合，且值各不相同、随机产生的、各变异个体都会生成一次r1,r2,r3；
步骤S50、利用差分进化法，对当前种群xiG的个体和变异个体进行交叉运算，生成交叉个体

其中jrand表示1至B之间的随机整数，randj表示0到1之间的一个均匀分布的随机数；CR表示交叉因子，为正数；
步骤S60、基于所述评估函数对交叉个体以及当前种群xiG的个体进行选择操作，保留适应值更好的个体：
步骤S70、判断当前迭代次数fes是否大于最大迭代次数FES，若是，则输出各个体对应的最优的模糊熵隶属度参数，并进入步骤S80；若否，则进入步骤S30；
步骤S80、利用所述最优的模糊熵隶属度参数以及双阈值分割法对乳腺图像进行分割。


2.如权利要求1所述的一种基于模糊熵以及差分进化的乳腺图像分割法，其特征在于：所述步骤S30具体包括：
步骤S31、将所述乳腺图像表示为：
其中I(x,y)表示所述乳腺图像在坐标点(x,y)的灰度值；k表示灰度值，H表示灰度值集合，且H＝{0,1,...,l-1}，1≤l≤256；
步骤S32、设nk表示Dk中的像素数，则像素比例为：
其中hk表示像素比例；R表示所述乳腺图像的行像素数；C表示所述乳腺图像的列像素数；0≤hk≤1；
设hk＝{h0,h1,...,hl-1}和hk＝1为所述乳腺图像灰度直方图，则表示不同灰度值的乳腺图像区域没有交集；
步骤S33、计算分割阈值t1和t2：
如果(xi,1+xi,3)/2≤xi,2≤xi,3,那么
如果xi,1≤xi,2＜(xi,1+xi,3)/2,那么
如果(xi,4+xi,6)/2≤xi,5≤xi,6,那么
如果xi,4≤xi,5＜(xi,4+xi,6)/2,那么
其中xi,1、xi,2、xi,3、xi,4、xi,5、xi,6分别表示a1、b1、c1、a2、b2、c2...

【专利技术属性】
技术研发人员：柳培忠，柳垚，范宇凌，蔡盛，杜永兆，
申请(专利权)人：华侨大学，泉州市华工智能技术有限公司，
类型：发明
国别省市：福建;35