本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種基于煙花算法的軟子空間mr圖像聚類算法。

背景技術(shù)：

磁共振成像(magneticresonanceimaging，mri)是斷層掃描的一種方法。mr圖像所顯示的解剖結(jié)構(gòu)逼真，能使病變組織和正常組織清晰可見(jiàn)，具有很高的軟組織對(duì)比分辨率，近年來(lái)在臨床上得到了普及.然而在圖像采集過(guò)程中由于受到外界不確定因素的影響，圖像中始終存在隨機(jī)噪聲，且呈現(xiàn)出灰度不均勻、邊界模糊等一系列問(wèn)題，給圖像分割帶來(lái)了一定的難度。為了分割出病變區(qū)域，進(jìn)一步提取病灶特征，近年來(lái)越來(lái)越多的學(xué)者致力于有效分割mr圖像的方法研究。

目前，用于醫(yī)學(xué)圖像分割的方法主要有區(qū)域法、邊緣檢測(cè)法、結(jié)合區(qū)域與邊界技術(shù)、神經(jīng)網(wǎng)絡(luò)方法、模糊集技術(shù)等，其中基于模糊集技術(shù)的不確定性可以較好的克服mr圖像數(shù)據(jù)獲取時(shí)的內(nèi)在不確定性(包括時(shí)間、空間和分辨率)，被廣泛應(yīng)用于mr圖像分割中.模糊聚類是一種典型模糊集技術(shù)的應(yīng)用，其中最具代表性的算法是模糊c均值算法(fcm算法)然而，fcm算法對(duì)于環(huán)境復(fù)雜、存在隨機(jī)噪聲、邊界模糊的mr圖像，fcm聚類并不能得到理想結(jié)果，且fcm算法僅試圖在全空間中尋找簇類。

技術(shù)實(shí)現(xiàn)要素：

基于此，本公開揭示了一種基于煙花算法的軟子空間mr圖像聚類方法，所述方法包括以下步驟：

s100、預(yù)處理mr圖像，得到聚類輸入數(shù)據(jù)；

s200、根據(jù)先驗(yàn)知識(shí)輸入聚類個(gè)數(shù)；

s300、初始化：初始化聚類中心、維度權(quán)值矩陣、令迭代統(tǒng)計(jì)變量t＝1，最大迭代次數(shù)tmax＝n，300＜n＜500、利用聚類輸入數(shù)據(jù)的個(gè)數(shù)確定煙花種群規(guī)模，并初始化煙花種群；

s400、根據(jù)下式計(jì)算隸屬度：

其中，

其中，表示第t次迭代過(guò)程中的第j個(gè)聚類輸入數(shù)據(jù)隸屬于第i個(gè)簇的模糊隸屬度；表示第t次迭代中第j個(gè)聚類輸入數(shù)據(jù)隸屬于第i個(gè)簇的硬隸屬度；α(t)α(t)表示第t次迭代過(guò)程中的可變系數(shù)；表示第t次迭代過(guò)程中第j個(gè)聚類輸入數(shù)據(jù)與第i個(gè)聚類中心之間的距離；表示第t次迭代過(guò)程第j個(gè)聚類輸入數(shù)據(jù)與第q個(gè)聚類中心的距離；δt表示第t次迭代過(guò)程中聚類輸入數(shù)據(jù)到噪聲簇的距離；為第t次迭代過(guò)程中第k個(gè)維度對(duì)于第i個(gè)簇的重要性；表示第t次迭代過(guò)程中第i個(gè)聚類中心第k個(gè)維度的值；xjk表示第j個(gè)聚類輸入數(shù)據(jù)的第k個(gè)維度的值；η是用戶輸入?yún)?shù)，控制算法從硬隸屬度到模糊隸屬度變化的快慢；表示第t次迭代過(guò)程中第j個(gè)聚類輸入數(shù)據(jù)隸屬于第i個(gè)聚類中心的隸屬度，是硬隸屬度與模糊隸屬度的總和；β是用戶輸入?yún)?shù)，控制算法對(duì)維度權(quán)值矩陣w變化的敏感度；t是當(dāng)前迭代次數(shù)；tmax是最大迭代次數(shù)；m是模糊因子；λ是確定δt時(shí)所用的乘子；c是聚類個(gè)數(shù)；n為聚類輸入數(shù)據(jù)的個(gè)數(shù)；d為聚類輸入數(shù)據(jù)的維度；

s500、根據(jù)下式更新聚類中心：

其中，表示第t次迭代過(guò)程中第j個(gè)聚類輸入數(shù)據(jù)對(duì)第i個(gè)聚類中心的隸屬度的模糊計(jì)算；

s600、更新維度權(quán)值矩陣：

s6001、利用煙花適應(yīng)度值公式計(jì)算煙花種群中每個(gè)煙花的適應(yīng)度值；

s6002、計(jì)算煙花種群中每個(gè)煙花的爆炸半徑與爆炸火花數(shù)；

s6003、通過(guò)爆炸操作在每個(gè)煙花的爆炸半徑內(nèi)生成與爆炸火花數(shù)相同個(gè)數(shù)的火花；

在煙花種群中隨機(jī)選取m個(gè)煙花，對(duì)于選擇得到的煙花進(jìn)行高斯變異，生成變異火花；

s6004、將步驟s6003超出可行域的火花應(yīng)用映射規(guī)則，將其映射到可行域中；

s6005、按照步驟s6001中煙花適應(yīng)度值公式計(jì)算s6004中得到的每個(gè)火花的適應(yīng)度值；

s6006、標(biāo)記s6005中適應(yīng)度值最小的煙花，并保留其作為下一代煙花種群中的最優(yōu)煙花，在剩下的所有煙花與火花中隨機(jī)選擇m-1個(gè)個(gè)體組成下一代煙花種群；

s700、判斷迭代統(tǒng)計(jì)變量t＜tmax是否成立；

若成立，則令t＝t+1，繼續(xù)執(zhí)行步驟s400-s600；

若不成立，則執(zhí)行步驟s800；

s800、獲得mr圖像聚類結(jié)果。

本公開具有以下有益效果：

1、由于本公開結(jié)合界約束與噪聲聚類提出新目標(biāo)函數(shù)(即煙花適應(yīng)度的計(jì)算函數(shù)，)克服現(xiàn)有軟子空間聚類算法對(duì)噪聲數(shù)據(jù)敏感的缺陷，并提出新的隸屬度計(jì)算方法快速準(zhǔn)確的聚類數(shù)據(jù)。

2、由于本公開在聚類過(guò)程中引入煙花算法迭代的優(yōu)化目標(biāo)函數(shù)，可以有效平衡算法的局部搜索與全局搜索

3、本公開將軟子空間聚類方法應(yīng)用于醫(yī)學(xué)mr圖像的分割，可以有效分割醫(yī)學(xué)mr圖像，為醫(yī)學(xué)進(jìn)一步研究提供有力支持。

4、本公開對(duì)mr圖像的聚類具有較高的精度和魯棒性，能夠有效地實(shí)現(xiàn)mr圖像的分割。

附圖說(shuō)明

圖1是本公開一個(gè)實(shí)施例的流程圖；

圖2(a)是本公開一個(gè)實(shí)施例中所示的自然圖像；

圖2(b)-(e)分別為fsc、fwkm、ewkm、lac算法對(duì)圖2(a)所示自然圖像的聚類結(jié)果；

圖2(f)為本公開一個(gè)實(shí)施例中的聚類算法對(duì)圖2(a)所示自然圖像的聚類結(jié)果；

圖3(a)是本公開一個(gè)實(shí)施例中所示的乳腺mr圖像；

圖3(b)-(e)分別為fsc、fwkm、ewkm、lac算法對(duì)圖3(a)所示mr圖像的聚類結(jié)果；

圖3(f)為本公開一個(gè)實(shí)施例中的聚類算法對(duì)圖2(a)所示mr圖像的聚類結(jié)果。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明作詳細(xì)介紹。

在一個(gè)實(shí)施例中，結(jié)合附圖1，本公開揭示了一種基于煙花算法的軟子空間mr圖像聚類方法，所述方法包括以下步驟：

s100、預(yù)處理mr圖像，得到聚類輸入數(shù)據(jù)；

s200、根據(jù)先驗(yàn)知識(shí)輸入聚類個(gè)數(shù)；

s300、初始化：初始化聚類中心、維度權(quán)值矩陣、令迭代統(tǒng)計(jì)變量t＝1，最大迭代次數(shù)tmax＝n，300＜n＜500、利用聚類輸入數(shù)據(jù)的個(gè)數(shù)確定煙花種群規(guī)模，并初始化煙花種群；

s400、根據(jù)下式計(jì)算隸屬度：

其中，

其中，表示第t次迭代過(guò)程中的第j個(gè)聚類輸入數(shù)據(jù)隸屬于第i個(gè)簇的模糊隸屬度；表示第t次迭代中第j個(gè)聚類輸入數(shù)據(jù)隸屬于第i個(gè)簇的硬隸屬度；α(t)α(t)表示第t次迭代過(guò)程中的可變系數(shù)；表示第t次迭代過(guò)程中第j個(gè)聚類輸入數(shù)據(jù)與第i個(gè)聚類中心之間的距離；表示第t次迭代過(guò)程第j個(gè)聚類輸入數(shù)據(jù)與第q個(gè)聚類中心的距離；δt表示第t次迭代過(guò)程中聚類輸入數(shù)據(jù)到噪聲簇的距離；為第t次迭代過(guò)程中第k個(gè)維度對(duì)于第i個(gè)簇的重要性；表示第t次迭代過(guò)程中第i個(gè)聚類中心第k個(gè)維度的值；xjk表示第j個(gè)聚類輸入數(shù)據(jù)的第k個(gè)維度的值；η是用戶輸入?yún)?shù)，控制算法從硬隸屬度到模糊隸屬度變化的快慢；表示第t次迭代過(guò)程中第j個(gè)聚類輸入數(shù)據(jù)隸屬于第i個(gè)聚類中心的隸屬度，是硬隸屬度與模糊隸屬度的總和；β是用戶輸入?yún)?shù)，控制算法對(duì)維度權(quán)值矩陣w變化的敏感度；t是當(dāng)前迭代次數(shù)；tmax是最大迭代次數(shù)；m是模糊因子；λ是確定δt時(shí)所用的乘子；c是聚類個(gè)數(shù)；n為聚類輸入數(shù)據(jù)的個(gè)數(shù)；d為聚類輸入數(shù)據(jù)的維度；

s500、根據(jù)下式更新聚類中心：

其中，表示第t次迭代過(guò)程中第j個(gè)聚類輸入數(shù)據(jù)對(duì)第i個(gè)聚類中心的隸屬度的模糊計(jì)算；

s600、更新維度權(quán)值矩陣：

s6001、利用煙花適應(yīng)度值公式計(jì)算煙花種群中每個(gè)煙花的適應(yīng)度值；

s6002、計(jì)算煙花種群中每個(gè)煙花的爆炸半徑與爆炸火花數(shù)；

s6003、通過(guò)爆炸操作在每個(gè)煙花的爆炸半徑內(nèi)生成與爆炸火花數(shù)相同個(gè)數(shù)的火花；

在煙花種群中隨機(jī)選取m個(gè)煙花，對(duì)于選擇得到的煙花進(jìn)行高斯變異，生成變異火花；

s6004、將步驟s6003超出可行域的火花應(yīng)用映射規(guī)則，將其映射到可行域中；

s6005、按照步驟s6001中煙花適應(yīng)度值公式計(jì)算s6004中得到的每個(gè)火花的適應(yīng)度值；

s6006、標(biāo)記s6005中適應(yīng)度值最小的煙花，并保留其作為下一代煙花種群中的最優(yōu)煙花，在剩下的所有煙花與火花中隨機(jī)選擇m-1個(gè)個(gè)體組成下一代煙花種群；

s700、判斷迭代統(tǒng)計(jì)變量t＜tmax是否成立；

若成立，則令t＝t+1，繼續(xù)執(zhí)行步驟s400-s600；

若不成立，則執(zhí)行步驟s800；

s800、獲得mr圖像聚類結(jié)果。

在一個(gè)實(shí)施例中，所述步驟s100具體包括以下步驟：

s1001、輸入mr圖像；

s1002、提取mr圖像紋理特征，統(tǒng)計(jì)各灰度級(jí)對(duì)應(yīng)的頻數(shù)，將灰度級(jí)與灰度級(jí)對(duì)應(yīng)的頻數(shù)組成特征數(shù)據(jù)，并將所述特征數(shù)據(jù)作為聚類輸入數(shù)據(jù)。

在一個(gè)實(shí)施例中，所述步驟s1001中采用gldm提取mr圖像紋理特征。

在一個(gè)實(shí)施例中，所述步驟s300中初始化聚類中心、維度權(quán)值矩陣具體包括以下步驟：

s3001、隨機(jī)選取c個(gè)聚類輸入數(shù)據(jù)初始化聚類中心；

s3002、將維度權(quán)值矩陣每一項(xiàng)初始化為1/d，d為聚類輸入數(shù)據(jù)

的維度。

在一個(gè)實(shí)施例中，步驟s300中初始化煙花種群具體為：

在解空間中初始化煙花種群pmg∈[0，1]，其中，p表示煙花種群，pmg表示第m個(gè)煙花的第g個(gè)維度值；m是煙花種群規(guī)模，g表示一個(gè)煙花的長(zhǎng)度；每一個(gè)煙花的每d維對(duì)應(yīng)于一個(gè)簇類中的d個(gè)屬性的權(quán)值。

在一個(gè)實(shí)施例中，煙花適應(yīng)度值公式為：

其中；ft(l)表示第t次迭代過(guò)程中第l個(gè)煙花的適應(yīng)度值，表示第t次迭代過(guò)程中，第l個(gè)煙花對(duì)應(yīng)的第i個(gè)簇的第k個(gè)維度的權(quán)值。

在一個(gè)實(shí)施例中，步驟s6002具體為：

當(dāng)煙花為第一代種群中適應(yīng)度值最小的煙花時(shí)，將此煙花選擇為第一代最優(yōu)煙花，按照下式計(jì)算所述煙花的爆炸半徑：

a^*＝ub-lb

其中ub、lb分別是維度權(quán)值的上界與下界，一般取上界為1，下界為0；

當(dāng)煙花為非第一代種群最優(yōu)時(shí)，選擇一個(gè)個(gè)體，用它與非第一代種群最優(yōu)煙花之間的距離作為下一次爆炸半徑，選擇所述個(gè)體時(shí)滿足以下條件：

①適應(yīng)度值比上一代煙花種群中的所有煙花差；

②所述個(gè)體到此最優(yōu)火花的距離最短；

當(dāng)煙花為種群中其他煙花時(shí)，根據(jù)以下兩個(gè)公式計(jì)算每個(gè)煙花的爆炸半徑與爆炸火花數(shù)：

其中，ai、表示第t次迭代過(guò)程中第l個(gè)煙花的爆炸半徑與爆炸火花數(shù)；ft(l)為第t次迭代過(guò)程中第l個(gè)煙花的適應(yīng)度值，為第t次迭代中煙花適應(yīng)度值的最小值與最大值，m均為常數(shù)，用來(lái)限制最大的爆炸幅度與產(chǎn)生的火花總數(shù)；ε為一個(gè)極小的常數(shù)，以避免出現(xiàn)分母為0的情況，n為煙花個(gè)數(shù)。

在一個(gè)實(shí)施例中，步驟s6005具體為：

當(dāng)步驟s6003與步驟s6004生成的火花超出可行域時(shí)，按照下式將其映射到一個(gè)新的位置：

其中，u(0，1)是在[0，1]區(qū)間上均勻分布的隨機(jī)數(shù)，wub，k、plb，k分別表示煙花上邊界與下邊界；所述可行域是指生成的火花的值介于0到1之間。

在一個(gè)實(shí)施例中，步驟s800具體為：

s8001、在步驟s400中所述隸屬度矩陣中，將每列最大隸屬度值所在的行數(shù)作為組成煙花的聚類輸入數(shù)據(jù)所對(duì)應(yīng)的灰度級(jí)的類別標(biāo)簽；

s8002、一次遍歷所有的灰度級(jí)將其對(duì)應(yīng)的類別標(biāo)簽還原到圖像中；

s8003、對(duì)具有相同類別標(biāo)簽的灰度級(jí)所對(duì)應(yīng)的圖像位置著相同顏色，完成mr圖像的分割。

下面結(jié)合自然圖像與dicom格式臨床乳腺mr圖像聚類結(jié)果做進(jìn)一步說(shuō)明。

1.實(shí)驗(yàn)條件：

實(shí)驗(yàn)平臺(tái)為windows10，硬件為intel(r)core(tm)i5-66003.30ghzcpu，8gram，所有算法在matlab2014b環(huán)境下實(shí)現(xiàn).

2.實(shí)驗(yàn)內(nèi)容

選取圖2(a)與圖3(a)所示自然圖像與臨床mr圖像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖2(b)-(f)與圖3(b)-(f)所示.其中圖2、3中(b)-(e)所示結(jié)果為fsc、fwkm、ewkm、lac算法對(duì)上述兩種圖像的實(shí)驗(yàn)結(jié)果，(f)為本公開實(shí)驗(yàn)結(jié)果。

如圖2(a)所示的自然圖像中，我們的目的是把目標(biāo)物飛機(jī)分割出來(lái)。如圖3(a)所示的乳腺mr圖像中，白色圓圈全出的部分為乳腺病灶腫瘤，實(shí)驗(yàn)的最終目的就是將腫瘤分割出來(lái)，為進(jìn)一步腫瘤研究提供有力支持。

3.實(shí)驗(yàn)結(jié)果與分析

如圖2(b)-(f)所示，從實(shí)驗(yàn)結(jié)果可以看出，對(duì)比算法ewkm與lac分割效果相當(dāng)不理想，出現(xiàn)了嚴(yán)重的過(guò)分割現(xiàn)象，尤其是ewkm，整個(gè)飛機(jī)只有極少部分劃分正確；lac分割結(jié)果雖然可以大致看清飛機(jī)的輪廓，但機(jī)身部分錯(cuò)分嚴(yán)重，與天空相近的顏色都被劃分到另一類中.雖然fwkm和fsc分割結(jié)果較前兩種有很大的改善，飛機(jī)輪廓清晰可見(jiàn)，但機(jī)身與天空的劃分并不準(zhǔn)確.本公開分割結(jié)果較對(duì)比算法取得了比較滿意的分割結(jié)果，不但將飛機(jī)輪廓清晰的分割出來(lái)，而且邊緣保持完整，細(xì)節(jié)劃分準(zhǔn)確，未出現(xiàn)過(guò)分割或欠分割問(wèn)題.

為了更加清晰地顯示結(jié)果，在圖3(b)-(f)中僅保留了與腫瘤相關(guān)的一邊乳房的分割情況，且在圖的右下角給出了所分割腫瘤形狀的放大效果。

在圖3(b)-(f)中，對(duì)比算法fsc、fwkm分割結(jié)果這中腫瘤并未被完全分割出來(lái)，腫瘤周圍大片區(qū)域劃分錯(cuò)誤；盡管ewkm與lac分割效果較前兩種算法有一定的改進(jìn)，腫瘤也較為完整的分割出來(lái)，但是分割效果同樣不理想，腫瘤周圍區(qū)域本應(yīng)屬于同一個(gè)簇類被劃分到不同的簇類中。反觀本發(fā)明的結(jié)果，不僅準(zhǔn)確分割出腫瘤部分，而且腫瘤周圍區(qū)域基本劃分正確，輪廓也較為清晰。

綜上所述，本發(fā)明對(duì)mr圖像的聚類也具有較高的精度和魯棒性，能夠有效地實(shí)現(xiàn)mr圖像的分割。

以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照上述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解；其依然可以對(duì)上述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替代；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)所述的精神范圍。