采用K-means的脑肿瘤磁共振图像分割与特征提取

来源：计算机工程与应用杂志2020年第3期北京时间：

作者：宗晓萍，田伟倩

单位：河北大学 电子信息工程学院，河北 保定 071000

摘要：大脑肿瘤分割对于医师判断肿瘤恶化程度非常重要。然而，由于肿瘤的不规则形状、与周围组织的低对比度以及出现位置的不固定，给脑肿瘤的精确分割带来很大的困难。传统的K-means分割方法仅仅利用图像的灰度特征，很难准确分割肿瘤边界。利用灰度共生矩阵提取出的纹理特征，并结合图像几何不变矩特征对分割出的脑肿瘤图像进行特征提取。灰度共生矩阵定义为像素对的联合概率分布，是一个对称矩阵，它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息，也反映了相同的灰度级像素之间的位置分布特征，是计算纹理特征的基础；几何矩（不变矩）具有旋转、平移、尺度等特性，能将图像分解为有限特征值，并且通过对比所提取出的同一病人的肿瘤图像的不变矩参数，可以获得该肿瘤几何形状变化程度。实验结果表明，该方法可以同时从纹理和几何特征对图像特征进行描述，与分别采用灰度共生矩阵和不变矩方法进行特征提取相比较，降低了算法计算量，同时提升了算法的抗噪性。

关键词：K-means,特征提取,灰度共生矩阵,不变矩,相关系数