基于局部二元擬合模型的亮度非均勻醫(yī)學(xué)圖像分割算法的研究.pdf

1、圖像分割是指把圖像劃分成一系列彼此互不重疊的均質(zhì)區(qū)域。醫(yī)學(xué)圖像分割是圖像分割處理中的一個(gè)重要研究領(lǐng)域,是用計(jì)算機(jī)對(duì)人體組織進(jìn)行定性、定量分析以及可視化過程中一個(gè)必不可少的步驟。
　　 灰度非均勻現(xiàn)象普遍存在于各種格式的醫(yī)學(xué)圖像中,特別是由于技術(shù)的局限性以及患者人為因素造成的x線攝影/斷層圖像及核磁共振圖像灰度非均勻。非均勻特性的存在使醫(yī)學(xué)圖像中局部統(tǒng)計(jì)特性發(fā)生變化,不同生理組織的灰度交疊分布,這已成為自動(dòng)化分割的一個(gè)主要障礙。為

2、了克服灰度非均勻?qū)︶t(yī)學(xué)圖像分割帶來的困難,Chunming Li等于2007年提出了一種基于局部二元擬合(LBF:Local Binary Fitting)的能量模型。LBF模型依賴于圖像的局部信息,通過最小化局部二元擬合能量泛函,實(shí)現(xiàn)對(duì)灰度非均勻圖像的分割。然而,LBF模型的局部特性使得該模型對(duì)初始輪廓曲線的位置較為敏感。當(dāng)初始水平集曲線遠(yuǎn)離目標(biāo)邊界或者與目標(biāo)邊界發(fā)生交叉時(shí),LBF模型往往不能正確的把非均勻目標(biāo)分割到活動(dòng)輪廓曲線一側(cè)。

3、針對(duì)上述活動(dòng)輪廓模型中存在的問題,本文提出一種自適應(yīng)強(qiáng)度擬合活動(dòng)輪廓模型。其基本思想是:根據(jù)局部活動(dòng)輪廓曲線與目標(biāo)邊界的吻合狀況,用一個(gè)包含全局和局部圖像信息的自適應(yīng)強(qiáng)度值來擬合局部圖像強(qiáng)度。當(dāng)局部活動(dòng)輪廓曲線與目標(biāo)邊界吻合較差時(shí),全局強(qiáng)度信息起主導(dǎo)作用,用來克服活動(dòng)輪廓曲線對(duì)初始位置的敏感性；當(dāng)局部活動(dòng)輪廓曲線靠近目標(biāo)邊界時(shí),局部強(qiáng)度信息起主導(dǎo)作用,很好地適用于灰度非均勻目標(biāo)區(qū)域的分割。
　　 近十年來,基于分割的MRI灰度非

4、均勻校正得到了廣泛的研究?；叶确蔷鶆蛐Ｕ菆D像分割中必不可少的預(yù)處理過程。因此,灰度非均勻校正和圖像分割可以被看做一對(duì)互補(bǔ)的處理過程。由于基于分割的非均勻校正方法充分利用了兩種方法的互補(bǔ)性,從而得到更好的分割和校正結(jié)果。Chunming Li于2008年提出了一種基于變分水平集方法的非均勻圖像的分割和校正方法。然而,該模型對(duì)多目標(biāo)圖像進(jìn)行分割時(shí)采用多個(gè)水平集曲線同時(shí)演化方式,因此該模型對(duì)初始水平集曲線位置的選擇較為敏感。同時(shí),該模型的局

5、部特性加劇了活輪廓曲線對(duì)初始位置的敏感性,曲線演化速度較慢。針對(duì)上述方法的缺點(diǎn),我們提出一種適用于灰度非均勻腦部MR圖像的分割和校正方法。其基本思想是:首先,采用特殊的水平集初始化方法,把一個(gè)水平集函數(shù)初始化為常數(shù),使白質(zhì)灰質(zhì)分割滯后于腦組織背景分割,實(shí)現(xiàn)兩次分割過程的分離,從而避免了兩條曲線同時(shí)演化造成的相互干擾；其次,在腦組織與背景的分割過程中,全局?jǐn)M合信息引入到能量方程中,從而避免由輪廓曲線陷入局部極小值所造成的錯(cuò)誤分割結(jié)果；最后