一种基于KPCA和形状先验知识的图像分割模型.pdfVIP

3O卷 4期 中 国 生 物 医 学 工 程 学 报 V01．30 No．4 August 2011 2011年 8月 ChineseJournalofBiomedicalEngineering 一 种基于 KPCA和形状先验知识的图像分割模型 万小萍 顾 勇 (重庆大学生物工程学院，重庆 400044) (重庆警官职业学院，重庆 400039) 摘 要：对含有噪声、遮挡和信息缺失的图像进行分割，如果仅使用图像 自身信息难 以得到满意的结果。因此，本 研究提出了一种新的融合图像信息和形状先验知识的可变形模型。在 Chen等人的工作基础上，提出用核主元分 析 (KPCA)代替主元分析(PCA)来捕获形状信息。KPCA能更好地表示形状先验知识 ，允许待分割的目标形状与先 验形状存在较大差异或非线性变形 ，而PCA需两者足够接近。同时，所用的分割模型包含了图像信息项和形状先 验项，充分考虑了在分割过程中平衡全局图像信息和形状先验知识的相互作用。将本研究的模型和基于PeA的分 割模型应用于合成图像和医学 CT图像，结果表明KPCA更能准确地识别出与先验形状差异较大或背景污染严重 的 目标物体。 关键词：图像分割；核主元分析 (KPCA)；形状先验；可变形模型；水平集 中图分类号 R318 文献标识码 A 文章编号 0258—8021(2011)04-0541-08 ImageSegmentationBased on KPCA andShapePriori W AN Xiao．Ping’ GU Yong (BioengineeringCollege，ChongqingUniversity，Chongqing400044，China) (ChongqingPoliceAcademy，Chongqing400039，China) Abstract：Segmentationmeanstoseparateanobjeetfromthebackgroundinagivenimage．Relyingonimage informationalone can notyield satisfyingresultsdueto noise，occlusion，ormissingpartsexistence．To effectivelysolvethisproblem，itisnecessarytointroduceshapeprioriintothesegmentationmode1．Thispaper proposesanew deformablemodelbasedontheshapepriori．InspiredbytheworksofChenetal，weuseKPCA (kernelPCA)insteadofPeA (principalcomponentanalysis)tocapturetheshapeinfomration．KPCAcan expressbettershapeprioriknowledgeandallowsnonlineartransformationoraquitedifferencebetween the objeetandthepriorishape．However，PeArequiresthatthetwoshapeneedtobesimilarenough．Moreover， oursegmentationmodelincludestheimag