基于参数自适应区域生长的医学图像分割算法研究.pdfVIP

第五届中国计算机图形学大会，2004年9月23日一26日，西安 基于参数自适应区域生长的医学图像分割算法 陆剑锋1林海1潘志庚1张昊2 摘要：区域生长是医学图像分割中常用的方法之一，为了克服该方法中各项生长参数需要用户多次交互指定的缺 点，本文提出一种自适应改变参数的生长算法。该算法将高斯混合模型应用于图像的局部邻域，通过不断自学习当 前模型的参数，从而相应的改变生长算法的参数，达到自适应的效果。同时考虑到医学体数据相邻切片之间高度的 相关性，提出在相邻层之间采取高斯核滤波和自适应各向异性滤波混合方法，有效的去除图像中的噪声十扰。该算 法稳定日J掌，分割效果较好。 关键词：髑像分割；区域生长；备向异性滤波：商斯滤波 像中边界的影响。在此基础上，Gerig[91开发出多通 1引言 道各向异性扩散技术，该方法通过两个通道的数据 来计算扩散系数，可以更有效的去除噪声，图像的 在现代的医疗实践中，x光，CT,MRI等医学 影像资料止在临床诊断上起着重要作用，在很多情 细节保持的更好，不过这篇文献没有讨论扩散计算 况下它是比较可靠的诊断依据之一。利用计算机对 中的收敛稳定性问题。wbickc一”改写了张最形式 医学图像进行分析识别，从而辅助医生诊断和治疗， 的各向异性扩散方程，使得该算法对于各类图像均 近年来在这个方向上有着很多研究。其中用到的一 体现出较好的效果。 些关键技术，如医学图像分割等，正得到研究者越 在本文的算法中，首先我们利用医学数据相邻 来越多的重视。在文献Ⅲ中，Adams将分割技术分多层数据之间的相关性，构造高斯卷积核进行滤波， 成基于闽值口jj、基于边界搜索定位…、区域的生长 然后根据自适应算法选取各向异性滤波参数，并将 与融合”“以及混合方法这样四大类。基于阈值的方 滤波后结果作为局部白适应区域生长算法的输入， 法比较简单，将图像中每点的值和闽值比较从而判 最终得到分割好的图像。 断是否属于同一区域，这种方法的关键是阈值的选 2预处理滤波 取，一般采J【}j对直方图外形进行分析的方法，并且 提供与川户的交互，SahooTM在文献01中详细分析基2．1相邻切片高斯滤波 于闽值的各种方法。基于边界定位的方法包括利用 在医学体数据中，由于每层切片之间的距离很 特定算子检测边界以及～些利用能量函数最小化求 小，因此相邻两层切片的数据具有很高的相关性， 解的方法等，这种方法的缺点是对噪声较敏感。区 所以我们可以通过相邻切片的数据信息来指导我 域生K的方法一般需要被分割的区域是具有某种特 们对当前层的分割。对于CT数据而言，图像中每 定的共同特征，通过不断比较种子点周围的点是否 点的数据值代表对x射线的吸收以及加上噪声和 符合融合标准从而达到区域的生长。目前这方面的 伪影的影响。对于某种组织结构，对于x射线的吸 研究主要集中在设计特征衡量标准和生长标准”一， 收可以看作是一常数，噪声可以认为是均值为零的 以及提高算法的有效性和精确性。大多数区域生长 高斯噪声。 的方法对于初始种子点的选取顺序和位置比较敏 如图1所示为相邻多层切片的高斯卷积说明， 感，同时也有一些不需种子点的自动分割算法口1被 图2中为试验结果，如图所示，该方法可以有效的 开发出来。 滤除切片中的噪声，达到较好的效果。 各向异性滤波是图像处理中一种强有力的去噪 方法，能够在去除图像噪声的同时避免对边界区域 模糊。PeronaⅢ1在1990年首先提出这种方法 (Perona-Malik AnisotropicDiffusion)，用来克服线性