基于控制标记符分水岭的医学图像分割.pdfVIP

长江大学学报 (自然科学版) 2008年6月第5卷第2期：理工 Journal of Yangtze University(Nat Sci Edit) Jun．2008．Vo1．5 No．2：Sci＆Eng 基于控制标记符分水岭的医学图像分割 陈军波，喻胜辉，舒振宇 (中南民族大学电子信息工程学院，湖北武汉430074) [摘要]提出了一种适合医学图像分割的改进分水岭算法，针对分水岭算法存在的过分割问题，采用数学 形态学重构滤波器和Ostu阈值分割方法对图像中感兴趣的目标和背景进行标记。根据标记的二值图像， 运用形态学极小值标定技术对原有梯度图像进行修正。最后，使用分水岭算法对修正的梯度图像进行分 割。该方法能有效抑制过分割现象，而且计算复杂程度较低、分割效果较好。 [关键词]数学形态学；控制标记符；医学图像分割；分水岭 [中图分类号]TN919．81 [文献标识码]A [文奄编号]1673～1409(2008)02 N096—03 医学图像分割是医学图像处理的重要应用领域，它是更高层次图像分析与理解的基础，准确的分割结 果对外科手术、疾病的早期诊断以及图像的3一D可视化等应用起积极作用。目前常用的医学图像分割技术 主要有：基于闽值的分割、基于轮廓模型的分割、基于聚类的分割以及基于形态学和多尺度理论的分割技 术等。其中基于分水岭算法的形态学分割方法因其计算速度快、边缘定位准确而被广泛用于医学图像的分 割_1]，但是该方法对噪声非常敏感，容易导致严重的过度分割，对于低对比度图像容易丢失重要的轮廓。 针对传统分水岭算法存在的缺陷，一些改进的算法相继提出：比如文献 [2]提出了能量最小化的 Watersnakes算法，提高了边缘定位的准确性，但仍不能有效解决图像过度分割问题；文献 [3]提出 了…种多尺度融合的分割方法，能有效控制过度分割，但需要对图像进行小波变换并计算各子图像的能 量，增加了计算的复杂程度。笔者提出了一种利用形态学滤波器分别对图像中的目标和背景进行标记， 然后再使用最小值标定技术对梯度图像进行修正，最后对重建的梯度图像进行分水岭变换得到分割图像。 1 分水岭分割算法 Vincent和Soille根据水面浸没地形 (Immersion Simulation)的过程提出的分水 岭算法¨ ，对受噪声干扰的图像进行分割， 会出现多个分割区域，而且受图像量化误 差和区域内的纹理细节的影响，会形成多 个分水岭，导致图像的过度分割。分水岭 圈■■ 分割算法一一般在梯度图像上进行，笔者采 (a)原MR1图像 (b)梯度图像 (c)梯度分水岭的分割 用Sobel算子分别检测图像在垂直方向和 图 1 传统分水岭算法分割结果 水平方向的梯度图像 和 ，则图像的梯 度 I。可表示为： J ；一 、 (1) 利用传统的分水岭分割算法对医学图像 (人头颅)进行分割，其分割结果如图1所示。从图1(c)可 以看出，直接进行分水岭分割存在明显的过分割现象。 2 改进的分水岭分割算法 为解决传统分水岭算法造成的过分割问题，提出一种改进的分水岭分割方法：在分水岭算法之前，通 [收稿日期]2008—03—12 [基金项目]国家自然科学基金项目 。 [作者简介]陈军波 (]976一)，男，2000年大学毕业，讲师，现主要从事信号检测与图像处理方面的研究工作。 第5卷 第2期：理工 陈军波等：基于控制标记符分水岭的医学图像分割 过形态学重构运算对图像进行滤波处理，对图像目标和背景进行标记，再通过强制最小值技术对梯度图像 进行重建，最后对重建梯度图像进行分水岭变换。 2．1 形态学重构滤波器 采用一种开运算重构和闭运算重构相结合的形态学滤波方法 对图像进行处理，以得到准确的标记符 图像。形态学重构滤波器的结构如图2所示。 输 图2 形态学重构滤波器 1)图