几种图像分割算法在CT图像分割上的实现和比较.pdfVIP

⑥7 7z 第 卷 第 6期 2Ⅲ?年 12月 北 京 理 工 大 学 学 报 Journal of Beijing Institute of Technology V01．2O No．6 Dec．2000 文章编号 ：1001—0645(2000)06—0720 05 几种图像分割算法在 CT图像分割上的 实现和比较 尺 杨 吴斫耀 ， 田 捷 ， 杨 骅。 警 (1． 京理工大学 电子工程系，北京 100081；8．中国科学院 自动化研究所 ，北 京 100o8o) 摘 要：对目前几种在图像分割领域得到较多应用的交互式分割 区域生长分割以及阐值 分割算法进行 了探讨 ，并且结合实际 CT 片图倒分别进行分割实验研究．得到较 为满意和 可用性强的结果．实验表明 ：阕值分 割对于 cT切 片的效果最好 ；区域生长分割适宜于对面 l 大的区域进行分割 ，分割效果较好 ；基于 动苍规划的交互式分嗣算法比较复杂 ，计算时 1百】较长，但对于边缘较 滑的区域．同样具有较好的实际效果．几种算法的评估为其在CT 像分割上的实际应用提供 了科学依据． 关键词：里堡坌型墨堡 三国堡 ；奎三茎坌型 堕坌型 ．墨氅善量至挂! 中图分类号 ：TN 911．73 文献标识码：A 图像分割可以分解为两个任务，即识别 (recognition)和描绘(delineation)．识别的目的在 于确定目标物体的大致位置并区别于图像中的其它物体；而描绘的任务在于精确定义和刻画 图像中目标物体的区域或边缘的空间范围．人的识别能力通常强于计算机算法 ，另一方面 ，计 算机笄法的描绘能力则优于操作者(人)．因此既能利用操作者强大的识别能力．又能利用计算 机算法的描绘能力的交互式图像分割则越来越受到人们的关注．在医学领域中，图像分割是病 变区域提取、特定组织测量以及实现三维重建的基础，因此图像分割技术在医学图像处理中具 有十分重要的意义“]．作者探讨了 3种 目前在图像分割上得到较多实际应用的分割算法，井结 台实际 CT片图倒进行了实验研究 ，得到较为满意和可用性强的结果 ；最后对这几种方法进行 了评估 ．为这些算法在 CT 图像分割上的实际应用提供了科学依据． 1 交互式分割算法 1．1 基本理论及算法描述 动态规划方法最早应用于图像边缘跟踪 ]．可以将图像边缘检测看作一个优化问题嘲，并 将其表述为找出一 目标函数 V=V(x ，-z ， ，?，‘)的最优值 (如取最小值 rain)，得 v取最 优值时的一组自变量值(_1，； ， ， ，?，； ，)．若变量离散，目标函数没有特定规律可循时， 则该问题将包括一个极大的解空间．如果这个目标函数能够描述成如下形式： V=V( 1，272， 3，? ， N)一V0( o， 1)+V1( 1， 2)+ ? +V 一1( 一L．517 ) 收稿 日期 ：2000—06 25 基金班 目 国家 自然科学基金资助项 目(6~843001)；国家 863”计划项 目 怍者简介 ：杨 加，男 ，1975年生 ．硕士生． ■ 第 6期 杨 加等：几种图像分割算法在 CT图像分割上的实现和比较 721 则目标函数的优化问题就可以利用多阶段优化方法懈决，由递推公式求解 ( 。)=0， ^十】( I+1)一 rain[ ，l( ， I+1)+ ( 1)J， u ● 式中 k-二1，2，?，n一1；? + (xt )是中间变量．显然当递推结束时有 M=minf．( )． 获得目标函数的最优值后，可以通过反向递推获得最优变量，即 ．／7 =arg(minf．( ))， n 式中 arg表示递推结束时取参量操作．则 = +? (_l+ ) H一1，? ，0．式中 m+ ( + ) 表示在 + 确定后所获得的达到最优值时的 _l值． 基 动态规划的边缘检测，以图像中某一起始点到某一目标点的累积代价作为目标函数 ， 像素边的代价值作为变量，最优值就是使目标点的累积代价值最小．动态规划用于边缘检穗， 同时利用局部信息和全局边缘累积代价信息，因而可以获得全局最优解． 作者将一幅图像定义成一个二维图 ，将图像中 目标物体的边缘跟踪问题转换成二维图中 最优路径搜索问题．用户首先在 目标物体边缘上选择一个初始点 ，j随后通过交互手段选择后续 目标点．根据动态规划方法 的图搜索策略实时显示出相应两点之间的最优路径．如果是最优路 径匹配期望的物体边缘，则用户可确认此路径为物体的有效边缘段，并将目标点作为新的起始 点做同样的最优路径搜索．用户只需在 目标物体边缘上通过 鼠标引导指定一系列的后续 目标 点．并 首先选择的初始点为最后的 目标点便可获得连续、封闭的 目标物体边缘． 一 幅图像被描述成具有 4邻像素的像素阵列 ，每个像素被