基于局部統(tǒng)計和結構的活動輪廓分割模型.pdf

1、圖像分割是將原始圖像劃分為一系列彼此互補交疊的勻質(zhì)區(qū)域從而提取圖像中感興趣的區(qū)域(region of interest，ROI)。核磁共振成像(magnetic resonance image，MRI)技術在醫(yī)學疾病診斷和治療等領域中的作用日益重要。對于MR圖像分割是器官解剖、組織量化測量、病理成因分析、病癥發(fā)展追蹤等醫(yī)療手段必不可少的研究準備和基礎。然而由于拍攝過程中光頻振動的不確定和雜質(zhì)的存在，會分別引起圖像緩慢的灰度不均勻性（即屬

2、于同一目標的灰度隨空間的變化而不同）和一定程度的噪聲。因此基于全局灰度統(tǒng)計信息的分割模型在處理含灰度不均勻性和噪聲的圖像時會產(chǎn)生錯誤的分割結果。同時，由于醫(yī)學圖像中的局部容積效應(Partial Volume Effects)，即目標邊界呈現(xiàn)出對比度較低和不連續(xù)的現(xiàn)象會嚴重影響組織器官的分割提取，尤其是腦和血管的MR圖像。另一方面，由于醫(yī)學圖像中紋理、不規(guī)則變化的灰度不均勻性、噪聲等，以及目標邊界的結構可能較為復雜，因此，對醫(yī)學圖像中的

3、目標實現(xiàn)智能提取和識別是目前極具實用價值的一項科研任務，進一步增加了分割的難度和挑戰(zhàn)。
　　 針對醫(yī)學圖像分割的需求及難點，本文利用活動輪廓模型對醫(yī)學圖像進行分割進行了深入研究。本文的主要工作和研究成果如下:
　　 (1)針對同時含噪聲、灰度不均勻性及多個待分割目標的圖像，提出一種基于改進的模糊聚類(fuzzy c-means clustering，F(xiàn)CM)算法的Chan-Vese(CV)模型。本文基于直方圖統(tǒng)計灰度種類

4、、并利用鄰域內(nèi)計算的空間信息修正隸屬度函數(shù)以此克服灰度不均勻性和噪聲的影響，將改進后的FCM算法應用到CV模型的區(qū)域檢測項，可準確的對像素點歸類，成為曲線的演化依據(jù)。在演化時采用一種各向異性的模板來控制輪廓線的及時分裂，在較短時間內(nèi)分割出更多目標。
　　 (2)針對圖像中光滑和紋理這兩種不同組成成份，提出一種能同時考慮光滑部分和紋理部分的分割模型。首先在局部塊中分別檢測圖像卡通部分的灰度統(tǒng)計特征以及紋理部分的特征信息用以計算區(qū)別

5、不同紋理之間的Kullback-Leibler(KL)距離，并且該局部塊能夠根據(jù)圖像的梯度信息自動調(diào)整其大小。進一步采用Split Bregman方法對模型進行快速求解，在醫(yī)學和紋理圖像的實驗上驗證了該本文模型能夠明顯的提高準確性和時效性。
　　 (3)提出一種結合了圖像結構信息、并基于灰度和梯度模兩種統(tǒng)計特征新型活動輪廓模型?；叶炔痪鶆蛐岳碚撋鲜强臻g不規(guī)則變化的，且分布并不單一，提取水平集曲線鄰域內(nèi)灰度和梯度模的統(tǒng)計特征檢測不

6、同區(qū)域的灰度差異和灰度不均勻性。特別的，針對傳統(tǒng)活動輪廓模型中全變差形式的正則項保持邊緣不足，將結構張量通過水平集函數(shù)的對偶變量嵌入關于水平集函數(shù)的正則項，使得水平集曲線高效率的逼近圖像的目標邊界而避免產(chǎn)生過度平滑，進而利用改進的Chambolle對偶算法對整個模型進行快速求解。與其他同類的經(jīng)典方法相比本文算法不論對初始條件的魯棒性、分割時效和精度均有明顯提高。
　　 (4)針對圖像中深凸的拓撲結構以及灰度不均勻性和噪聲的同時存

7、在的情況，提出一種魯棒型基于非局部分片局部塊統(tǒng)計方法的活動輪廓模型。由于灰度不均勻性隨空間變化且分布并不規(guī)則，因此可以將灰度不均勻性和噪聲一樣看做一種灰度不規(guī)則變化的情況。利用一種分片局部塊統(tǒng)計信息的區(qū)域項計算像素點的歸屬度，作為驅(qū)動曲線演化的力之一?；叶炔灰?guī)則變化影響水平集曲線演化到目標邊界的效率，因此通過加上一個灰度懲罰項來控制當遇到灰度不規(guī)則變化時的水平集曲線的演化。同時利用圖像梯度信息作為權值用于計算關于水平集函數(shù)的正則項，進一

8、步增強水平集曲線的形狀與目標邊界擬合。應用于醫(yī)學圖像和自然圖像上的實驗證明該算法能夠明顯抑制強噪聲和灰度不均勻性的影響，取得高效率和高準確性的分割結果。
　　 (5)局部容積效應、噪聲、灰度不均勻性的共同作用增加了MR圖像中血管、組織末梢等具有細長拓撲結構的分割難度。針對這些問題，從兩個方面將圖像的結構信息與活動輪廓模型相結合。一方面，利用基于圖像的結構信息改進的梯度流方程訓練關于水平集函數(shù)的對偶變量以增強撲捉深凹型的目標結構;

9、另一方面，根據(jù)圖像邊界的結構變化自適應的計算全局和局部的灰度統(tǒng)計信息，不僅克服了灰度不均勻性，同時進一步提高了曲線演化的效率。局部統(tǒng)計信息可以正確指導曲線克服灰度不均勻性，尤其是在臨近邊界處的灰度不均勻性，從而捕捉到正確的目標邊界。而在遠離邊界處根據(jù)全局灰度統(tǒng)計信息演化，能夠加快曲線演化到圖像的目標邊界。根據(jù)基于邊界和基于區(qū)域的活動輪廓模型的特點，利用基于結構信息改進的梯度流方程(Gradient Vector Flow, GVF)計算