基于多核学习与超像素核低秩表示的脑肿瘤图像分割方法

摘要

本发明提出了一种基于多核学习与超像素核低秩表示的脑肿瘤区域图像分割方法，选取训练数据集并标注相应的标签；对多模态脑肿瘤核磁共振测试图像进行预处理，并进行多模态融合；对T1‑C模态的图像进行熵率分割，获得融合图像的超像素分割；基于所获超像素构造超像素核；基于所获超像素核和训练数据集及相应的标签，通过多核学习算法获得最优超像素核；对高维核特征空间进行核低秩表示建模，并基于所获最优超像素核求解模型，获得测试图像的表示系数矩阵；基于所获表示系数矩阵，计算脑肿瘤图像中各测试样本属于各个类别的残差，确定测试样本的类别标签。本发明除了对训练样本规模要求较低外，在脑肿瘤区域的分割精度上也优于现有的一些分割方法。