一种基于云模型和图割相结合的医学图像分割方法

摘要

本发明请求保护一种基于云模型和图割相结合的医学图像分割方法。该方法首先对图像进行平滑处理，去除噪点；接着利用逆向云变换分别计算出图像前景和背景的云特征值，利用X条件云发生器计算出每个像素对于前景和背景的隶属度；并计算出数据项和光滑项；然后建立能量函数构造相应网络图并用最大流/最小割算法实现医学图像分割；最后判定分割结果是否满足迭代条件，若满足则输出结果，反之，则重新计算当前分割结果前景和背景的云特征值。本发明通过云模型与图割算法的结合，不但保留了图割方法优良的多特征约束融合能力和全局最优性，还引入云模型的模糊性和随机性，以及二者之间关联的不确定性，可以有效地提高医学图像分割的精度。

主权项

一种基于云模型和图割相结合的医学图像分割方法,，其特征在于，包括以下步骤：S1、获取并输入医学图像，手动标注前景区域，记为S；未标注的部分默认为背景区域，记为T，之后用高斯滤波对图像前景区域S和背景区域T进行除噪处理得到平滑图像；S2、首先利用逆向云算法分别将前景区域S和背景区域T的灰度直方图变成一系列底层云，逐步合并各自的底层云，从而得到前景和背景各自的综合云特征值，然后根据X条件云发生器求出每个像素隶属于前景和背景的概率，计算光滑项和数据项，并根据光滑项和数据项构建网络图；S3、采用最大流/最小割算法对网络图进行求解，获得图像分割结果；S4、根据分割结果判定是否满足迭代条件，若满足则输出结果，反之，重复执行步骤S2，直至满足迭代条件，输出最终结果。