圖像分割若干理論方法及應(yīng)用研究.pdf

1、圖像分割是將圖像劃分成多個(gè)具有相似特征的區(qū)域，并提出感興趣目標(biāo)的技術(shù)與過程，圖像分割是圖像理解和圖像識別的前提，也可以把它看作為圖像理解與識別的初級階段。圖像分割的大致發(fā)展過程為：早期的基于灰度和梯度的經(jīng)典分割技術(shù)(如閾值法，邊緣和區(qū)域技術(shù))，八十年代的活動輪廓模型(如參數(shù)活動輪廓模型和幾何活動輪廓模型)，最近的結(jié)合形狀等先驗(yàn)知識的分割方法(如活動形狀模型和活動表面模型)。從圖像分割的發(fā)展過程可以看出：所使用的先驗(yàn)信息越來越多，所具有的

2、智能化程度越來越高，分割能力越來越強(qiáng)。本文主要利用灰度、形狀、紋理和運(yùn)動等信息研究了幾種圖像分割方法。本文首先分析一種經(jīng)典的基于灰度與邊緣信息的圖像分割方法——圖像二值化，然后詳細(xì)討論形狀先驗(yàn)知識與活動輪廓模型相結(jié)合的方法和紋理分割方法，最后利用運(yùn)動信息對序列圖像進(jìn)行跟蹤。本文試圖將各種信息(如灰度、形狀、紋理、運(yùn)動等)綜合在一個(gè)統(tǒng)一的圖像分割框架下，使它具有較高的智能化程度，從而能夠解決一些復(fù)雜的圖像分割問題。為了驗(yàn)證本文方法的有效性

3、和實(shí)用性，本文方法被應(yīng)用于左心室核磁共振圖像分割。本文所做的主要工作和研究成果如下： (1)綜合考慮了邊緣信息和灰度信息，提出了一種新的雙閾值二值化方法。該方法首先通過在圖像邊緣附近尋找種子點(diǎn)，然后在由封閉輪廓劃分的高閾值二值圖像中進(jìn)行種子填充得到初步的二值化結(jié)果，最后通過低閾值二值化圖像的修補(bǔ)得到最后的二值化結(jié)果。實(shí)驗(yàn)結(jié)果表明此方法能夠較好地解決低對比度和目標(biāo)象素灰度不均勻圖像的二值化問題，與傳統(tǒng)的二值化方法相比，也與本文類似

4、的結(jié)合邊緣信息的二值化方法相比，本文的方法具有一定的優(yōu)點(diǎn)。 (2)給出了一種結(jié)合先驗(yàn)形狀統(tǒng)計(jì)信息的Mumford-Shah 模型的水平集實(shí)現(xiàn)方法。結(jié)合形狀統(tǒng)計(jì)的圖像分割方法主要包括先驗(yàn)形狀模型的構(gòu)造和形狀能量項(xiàng)的構(gòu)造。本文針對這兩個(gè)主要方面做了如下兩點(diǎn)工作：首先提出了一種簡單可行的先驗(yàn)形狀模型構(gòu)造方法；再者則是重新構(gòu)造了形狀能量項(xiàng)，它綜合考慮了全局和局部形狀信息，且不含形狀姿態(tài)參量，使曲面演化穩(wěn)定可靠。 (3)提出了一

5、種基于方向局部方差的快速主動紋理分割方法。首先，采用方向局部方差得到一組特征圖像，為了降低計(jì)算的復(fù)雜度，通過可分離性評價(jià)準(zhǔn)則，選出可分離性較好的四個(gè)方向上的特征圖像；然后采用非線性擴(kuò)散濾波平滑待分割特征圖像，以改善分割效果；最后通過變差框架將特征圖像結(jié)合到基于水平集的無監(jiān)督分割過程中，為了提高算法的運(yùn)算速度，采用了直接計(jì)算能量泛函的方法求解變差公式，而不需要求解歐拉．拉格朗日方程。合成圖像和真實(shí)圖像的分割結(jié)果證明：該方法具有一定的通用性

6、和較好的性能。 (4)提出了三種基于目標(biāo)輪廓的運(yùn)動跟蹤方法： ●提出了一種新的基于邊緣形狀匹配的目標(biāo)跟蹤方法，主要利用圖像的邊緣信息來構(gòu)造目標(biāo)的形狀相似度。為了保證跟蹤精度和處理目標(biāo)的局部變形，本文提出了一種新的基于權(quán)重窄帶的形狀匹配度計(jì)算方法。 ●提出了一種基于目標(biāo)輪廓點(diǎn)匹配度的參數(shù)活動輪廓目標(biāo)跟蹤方法?；舅枷胧歉鶕?jù)目標(biāo)輪廓點(diǎn)構(gòu)造匹配度圖像，然后采用參數(shù)活動輪廓模型跟蹤目標(biāo)。本文構(gòu)造了一種新的特征匹配方法和

7、一種新的方向?yàn)V波方法。考慮到相鄰兩幀間的目標(biāo)運(yùn)動較小，本文將目標(biāo)輪廓的演化限定在初始輪廓的窄帶區(qū)域內(nèi)，采用了窄帶水平集的窄帶構(gòu)造方法。 ●將基于區(qū)域的方法與基于邊界的方法相結(jié)合，提出了一種兩階段目標(biāo)跟蹤方法。首先采用基于核的目標(biāo)跟蹤方法快速定位目標(biāo)區(qū)域，然后采用擴(kuò)散SFl8+ke 進(jìn)一步演化目標(biāo)輪廓，精確定位目標(biāo)邊界。在初始目標(biāo)定位階段，為了能夠有效地給出目標(biāo)的初始跟蹤位置，用 kalman 濾波對初始目標(biāo)位置進(jìn)行預(yù)測，同時(shí)通過

8、Bhattacharyya 系數(shù)進(jìn)行進(jìn)一步判斷。在基于輪廓的精確定位階段，采用了顏色空間成分陣列的方法生成目標(biāo)特征圖像，然后在特征圖像上采用擴(kuò)散snake進(jìn)行邊界演化，同時(shí)在演化過程中，為了保證目標(biāo)輪廓向好的方向演化，對演化得到的目標(biāo)區(qū)域進(jìn)行相似性比較。 (5)提出了兩種左心室核磁共振圖像的分割方法： ●針對帶標(biāo)記線左心室核磁共振圖像的特點(diǎn)，提出了一種基于分級處理的自動分割方法，主要由三部分組成：首先用數(shù)學(xué)形態(tài)學(xué)的方法

9、實(shí)現(xiàn)左心室的自動定位；然后用k均值聚類、模板匹配和基于骨架的心肌形狀恢復(fù)方法給出左心室的內(nèi)外初始輪廓線；最后用改進(jìn)的水平集方法對初始輪廓線進(jìn)行演化而得到最終結(jié)果。 ●針對不帶標(biāo)記線左心室核磁共振圖像外輪廓的特點(diǎn)，在變差框架下，通過將Mumford-Shah 模型作用于目標(biāo)特征空間，同時(shí)結(jié)合形狀統(tǒng)計(jì)先驗(yàn)知識和邊緣圖像，本文提出了一種改進(jìn)的結(jié)合形狀統(tǒng)計(jì)的變差方法來分割核磁共振圖像的左心室外輪廓。形狀先驗(yàn)知識的引入較好地克服了左心室外