基于多小波的医学图像阈值分割算法研讨.pdf

中国体视学学会cT理论与应用分会、中国工程物理研究院 2008年7月 应用电子学研究所、(CT理论与应用研究》编辑部论文集 基于多小波的医学图像阈值分割算法研究 韦洪丽1，于新波2，赵文仓1’3一，高彦臣3 1．青岛科技大学认知与信息科学研究所，山东青岛266042 2．青岛大学医学院附属医院口腔科，山东青岛266003 3．青岛高校软控股份有限公司青岛市工业信息化重点实验室，山东青岛266042 10049 4．西安交通大学电子与信息工程学院，西安7 摘要：近年来，图像分割技术已成为医学图像处理和分析中的关键技术．本文通过构造一个正 交多小波，把图像在尺度空间展开，对不同分辨级下的小波系数采用不同阈值进行分割处理， 应用自动和交互相结合的分割方法，通过对目标区域图像特征进行分析，交互确定目标区域的 大致灰度范围，在综合考虑图像的边缘和区域的基础上，确定精确的阈值，将目标组织从背景 中分割出来。通过对计算机断层扫描医学图像进行分割处理和对比实验，证明该方法不仅能得 到较清晰的感兴趣区域，而且还能获得较清晰的边缘特征，图像清晰度明显提高。 关键词：图像分割；医学图像；多小波；多分辨率分析 1 引言 图像分割是指将图像分割成各具特征的区域并提取出感兴趣的目标的技术和过程。尽 管图像分割方法众多，但大部分图像分割方法主要可分为基于区域的分割方法u-31和基于边 界的分割方法H1。基于区域的分割方法，依赖于图像的空间局部特征，如灰度、纹理及其他 像素统计特性的均匀性等。典型的基于区域的分割方法有区域生长、区域分裂以及区域生 长与分裂相结合的方法等¨。。由于这些方法直接依赖于图像的灰度值，因此它们的主要优点 分割结果很大程度上依赖于种子点(seedpoints)的选择，分割所得到的区域的形状也依 赖于所选择的分割算法。基于边界的分割方法主要是利用梯度信息确定目标的边界，包括 依赖于已处理像素的结果，适于并行化，但缺点是对噪声敏感，而且当边缘像素值变化不 明显时，容易产生假(false)边界或不连续的边界。在实际应用中，往往需要把这两类方 法结合起来用以获得更好的分割效果。 本文在对多小波分析阐述的基础上，利用多小波的多分辨率特性，并结合多小波变换 比传统二进小波变换所具有的一些独特的优越性和在边缘检测、纹理分析中的良好表现， 引入正交多小波变换来改善阈值分割问题，提出综合考虑图像的边缘和区域，求取最优阈 值来得到理想的图像分割结果。 韦洪丽等：基于多小波的医学图像阈值分割算法研究 69 2基本理论 多小波H-8’是近年来才发展起来的矢量小波理论。与标量小波不同，矢量小波可以构造 多小波基，使它同时具有正交性、对称性、短支撑和较大的消失矩等多个良好特性。本文 中，我们在多小波多分辨率分析的框架下，通过对对数变换后的医学图像在不同分辨率级 上的变换系数进行阈值化处理而改善分割结果，保留了图像的重要特征信息。 2．1 多小波的多分辨率分析 ． N， 令妒=(缟，晚，…谚)7，谚∈r(R)，，-e 巧=嬲{{2{们k”-鲻咖∈z) ㈩ 称妒生成r(固中的，．重多分辨分析(MBA)，若以)满足以下性质： 1)…c圪lc％c巧…； 2)U％z=r(R)； 3)Nv胄z=p)； ． (2) 4)厂(·)∈巧甘f(2·)∈巧+-；vj∈z； 5)八工)∈巧甘厂@+可1)∈巧； sf s，，ke 且协(一七)：l z)生成％的Riesz基，即A