【技术实现步骤摘要】
基于能量泛函的MRI图像脑肿瘤分割方法
本专利技术涉及数字图像分割领域，尤其是一种可有效提高分割准确率的基于能量泛函的MRI图像脑肿瘤分割方法。
技术介绍
目前，磁共振成像(MRI)和计算机断层扫描(CT)成为肿瘤影像检测的主要方式。MRI图像因具有较高的分辨率和较多的参数，能够准确地描述脑部解剖结构，有效地诊断脑肿瘤，成为临床上较为常用的脑肿瘤影像检测方法。通过对MRI图像进行分割，可以得到脑肿瘤的形状、大小、位置和面积等特征，供医生对脑肿瘤区域的准确诊断和处理。近些年来，一种将图像特征融合于能量泛函的图像分割方法被广泛应用于图像分割领域。LiChunming等人提出了局部二值拟合算法，利用图像的局部信息特征进行分割；之后一些学者在此基础上进行了改进，融合了图像的局部信息特征和全局信息特征，提高了图像分割的准确度，但是因对肿瘤图像特征信息分析的不够准确，对图像边缘噪声处理的能力较差，分割的准确率较低。
技术实现思路
本专利技术是为了解决现有技术所存在的上述技术问题，提供一种可有效提高分割准确率的基于能量...
【技术保护点】
1.一种基于能量泛函的MRI图像脑肿瘤分割方法，其特征在于依次按照如下步骤进行：/n步骤1：读取待处理图像I(x,y)，x,y为图像像素坐标点，初始水平集函数
【技术特征摘要】
1.一种基于能量泛函的MRI图像脑肿瘤分割方法，其特征在于依次按照如下步骤进行：
步骤1：读取待处理图像I(x,y)，x,y为图像像素坐标点，初始水平集函数根据脑部医学图像局部变化性质设定局部区域W；
步骤2：计算局部区域W内的局部强度特征、形状特征和面积特征：
步骤2.1按照公式(1)计算局部强度特征FJ，
FJ＝∫Ω(I(x,y)-J(W,c))2dxdy(1)
式中，J(W,c)代表平均强度；
步骤2.2按照公式(2)计算形状特征ES：
式中，Z表示利用二维泽尼克矩提取的图像像素，H为Heaviside函数，为水平集函数；<...
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。