基于增强补种的混合水平集CT图像分割.docVIP

基于增强补种的混合水平集CT图像分割 　　摘 要：针对医学图像CT图像像素不均匀对图像局部分割算法影响较大的问题，提出一种基于Lagrangian粒子增强补种算法的混合水平集医学CT图像分割算法。首先，针对局部图像的非均匀性，通过在计算水平集公式前先计算Lagrangian标记粒子来重建内嵌交接界面，从而提高水平集算法的质量守恒特性；其次，针对传统粒子方法在处理界面奇异性和复杂几何相关问题上的不确定性，通过增加速度矢量和单位法向量来促进奇异点和拓扑变化点速度场的收敛；最后，通过在合成数据测试集和真实CT图像上的仿真测试表明，所提算法在边缘分割收敛精度及运算速度上均要优于对比算法。 　　关键词：补种算法；奇异性；水平集； CT图像；分割 　　中图分类号：TP391 文献标识码：A 　　1 引 言 　　图像处理方向学者Osher与Sethian等[1]联合研究并提出了水平集（Level Set， LS）分割算法，主要思路是将低维闭合二维曲线映射到高维的水平集上进行处理，从而实现了图像分割算法稳定性的增强。尽管如此，图像界面奇异性和复杂几何相关性对水平集算法影响仍然很大，如何处理好上述问题，对于提高水平集分割算法在CT、X-ray等医学成像中的应用效果，至关重要，有利于增强算法在处理对比度差、像素不均匀、边界模糊等问题并存的医学影像成像分割问题上的表现[2-3]。 　　针对锋利边缘和极端变形等情况，不同学者提出各种改进方式，如文献[4]基于欧拉-拉格朗日粒子的方法对水平集算法进行改进，该方法在保持分割界面质量上表现不错。此外，还有局部水平集方法[5-6]、间断Galerkin方法[7-8]、梯度增强水平集方法[9-10]等。上述方法在处理锋利边缘和极端变形等情况有一定效果，但是当像素不均匀或交接界面存在奇异点或拓扑变化时，上述算法效果不佳。 　　对此，本文在文献[4]基础上，采用Lagrangian粒子增强补种算法与水平集算法相结合，通过增加速度矢量和单位法向量来促进奇异点速度场的收敛，提出了一种基于Lagrangian粒子增强补种算法的混合水平集医学CT图像分割算法（LPRLS）。 　　2 基于粒子的水平集算法 　　2.1 水平集算法 　　2.2 混合粒子水平集方法 　　该方法融合了欧拉水平集算法[16]和拉格朗日粒子算法[17]，采用拉格朗日无质量粒子来纠正图像界面待求解区域的水平集函数。两组粒子被随机放置在窄带的界面附近，并吸引界面到正确的一边，其中阳性粒子趋向0的一边，而阴性粒子趋向≤0的一边，格朗日粒子将在给定速度下产生对流： 　　式中，xp为粒子位置；uxp为粒子的速度向量。由于演化方程的耗散缺失，因此流动的特征信息被完全保存。然后，利用三阶TVD Runge Kutta方法来求解时间导数的演化方程。 　　每个粒子都有一个位置和范围半径，用来弥补因水平集函数的局限性所引起的的位置误差。每个粒子的半径由基于网格的最大值和最小值进行界定。根据公式（6）粒子半径的最大和最小界定值，可由下式进行计算： 　　在界面清晰像素均匀的较容易解决图像表面地区，水平集函数的解是足够准确的，并且粒子不漂移距离交接界面区域过远。然而在像素不均匀、界面模糊的不容易解决区域，水平集函数计算会产生质量损失，粒子会漂移距离交接界面过远。界面上逃脱的正（或负）粒子，基于网格点、粒子半径和粒子符号可定义局部水平集函数。水平集函数集的纠正可通过对比网格水平集函数值和逃脱粒子的局部水平集函数值实现。基于网格水平集函数的符号，则逃脱阴阳离子的局部水平集函数可分别定义如下： 　　通过将0和≤0的区域分别与网格水平集函数值+和-进行比较，然后基于误差校正方法对水平集函数进行重建。上述水平集函数值+和-分别位于阳性和阴性区域，然后通过逃脱粒子计算定义的局部水平集函数值。x0和x≤0区域的每个角落，可通过下式计算： 　　水平集函数值+和-可通过设置+和-的等价变量来合成为一个单一的水平集函数，该水平集都具有在每个网格点的最小值。变量可定义如下： 　　3 粒子补种方法及改进 　　3.1 粒子补种方法 　　在存在拉伸和撕裂的流动界面中，特别是不均匀区域，这样的区域在执行上述混合粒子水平集算法时会缺乏足够数量的粒子产生。为了保持界面的准确性，在极度变形的交接界面附近进行粒子补种以保持适当的粒子分布是很重要的步骤。对此提出一种粒子补种算法，阴阳粒子补种范围，如图2所示： 　　如果粒子在距离交接界面3个网格点以内的总数量大于最大值1.5Np，或者小于最小值0.5Np，式中Np取值可定义为： 　　Np=16， for 2D screen64， for 3D screen（15） 　　粒子被随机删除（或添加）直到颗粒的数目在规定的最