基于FCM聚类的非下采样Contourlet域MRI图像增强方法.pdf

(19)中华人民共和国国家知识产权局*CN102968779A*(12)发明专利申请(10)申请公布号CN102968779A(43)申请公布日2013.03.13(21)申请号201210508617.5(22)申请日2012.12.03(71)申请人北方民族大学地址750021宁夏回族自治区银川市西夏区文昌北路204号(72)发明人常霞高岳林黄永东纪峰(74)专利代理机构宁夏专利服务中心64100代理人赵明辉(51)Int.Cl.G06T5/50(2006.01)权利要求书权利要求书2页2页说明书说明书88页页附图附图44页(54)发明名称基于FCM聚类的非下采样Contourlet域MRI图像增强方法(57)摘要本发明方法涉及在非下采样Contourlet域上，利用模糊C均值FuzzyC-Means，FCM聚类，对磁共振成像MagneticResonanceImaging，即MRI图像进行增强的方法，尤其是一种基于FCM聚类的非下采样Contourlet域MRI图像增强方法。本发明方法与现有技术相比具有以下优点：1.本发明由于采用非下采样Contourlet变换，可以有效捕捉MRI图像中的边缘、轮廓信息和纹理细节信息。2.本发明由于引入FCM聚类的方法自适应地将高频方向子带系数区分为噪声、弱边缘和强边缘系数，克服了现有的基于变换域的图像增强方法对阈值选取的依赖。CN1029687ACN102968779A权利要求书1/2页1.一种基于FCM聚类的非下采样Contourlet域MRI图像增强方法，其特征在于，包括如下步骤：(1)输入大小为M×N的MRI图像I(m，n)，其中1≤m≤M，1≤n≤N，其中M和N均为大于1的自然数，并对其进行L层非下采样Contourlet变换，得到各个尺度上的高频方-l向子带系数Dl,i(m，n)和低频子带系数，其中0≤l≤L-1，1≤i≤kl，kl表示在尺度2上-l的高频方向子带的数目，Dl,i(m，n)表示在尺度2上的第i个高频方向子带系数，L为3～5，L为自然数；(2)通过对各个尺度上的高频方向子带系数Dl，i(m，n)分别进行聚类，将其区分为噪声、弱边缘和强边缘系数；(3)利用增益规则公式，对获得了类别属性的高频方向子带系数Dl,i(m，n)进行修正，即：式中，通过设定参数a0=0，对噪声系数置零，通过设定参数a2=1.25，对强边缘系数进行-l适度增强，D′l，i(m，n)为修正后的高频方向子带系数，Al为在尺度2上的高频方向子带系数的最大模值，a1[·]为非线性增益函数，有：式中，参数t用于控制MRI图像增强的程度，t值越大，MRI图像增强程度越大，为避免MRI图像过增强，设置t＝7，e为自然常数，e=2.71828；(4)对步骤(1)中得到的低频子带系数和步骤(3)中得到的修正过的高频方向子带系数作非下采样Contourlet逆变换，即可得到增强的MRI图像I′(m，n)。2.如权利要求1所述的一种基于FCM聚类的非下采样Contourlet域MRI图像增强方法，其特征在于：其中步骤(2)所述的通过对各个尺度上的高频方向子带系数Dl,i(m，n)分别进行聚类，将其区分为噪声、弱边缘和强边缘系数，具体按照如下过程进行：l1)计算各个尺度上的高频方向子带系数Dl,i(m，n)的三维特征矢量Z(m，n)，1≤m≤M，1≤n≤N，0≤l≤L-1，定义为均值特征、为标准差特征，为最大模值特征，0≤l≤L-1；2)将数据集{Zl(m，n)}的二维位置索引(m，n)转化为一维索引q，即q=(m-1)N＋n，得到数据集{Zl(m，n)}采用一维索引q的简洁形式有3)随机初始化聚类中心并对到聚类中心的隶属度关系矩阵进行随机初始化，1≤q≤MN，令p∈{1，2，3}，使其对应于高频方向子带系数Dl，i(m，n)所属的噪声、弱边缘和强边缘这三种类别，即其中U1，qU2，q和U3，q分别对应于隶属于噪声、弱边缘和强边缘类别的概率，且有初始化迭代计数变量tem=0；2CN102968779A权利要求书2/2页4)更新迭代计数变量的取值，有tem=tem＋1；5)利用和现有的隶属度关系矩阵的取值，更新聚类中心的取值，有：6)利用和步骤5)计算出的新的的取值，更新隶属度关系矩阵的取值，有：式中，dp，q为到聚类中心的距离，p∈{1，2，3}；7)迭代停止判断，如果tem<50且和的更新量大于0.001，转步骤4)，否则停止迭代，得到最优隶属度关系矩阵其中和分别对应于隶属于噪声、弱边缘和强边缘类别的最可信概率；8)根据最优隶属度关系矩阵若隶属于噪声、弱边缘或强边缘类别的最可信概率最大，则将归为该类，且在尺度l上，(m，n)位置处的各个高频方向子带系数Dl,i(m，n)也均被认为属于这一类，即将Dl,i(m，n)