基于LevelSet方法的医学图像分割A-中科院分子影像重点试验室.PDFVIP

1000-9825/2002/13(04)0000-00 ©2002 Journal of Software 软 件 学 报 Vol.13, No.4 基于Level Set方法的医学图像分割 朱付平 田捷 林瑶 葛行飞 ( 中国科学院自动化研究所人工智能实验室，北京，100080) E-mail: zhufuping@, tian@ 摘要 : 本文对医学图像处理中的关键问题之一，图像分割做了研究。提出了一种结合 Fast Marching 算法和 Watershed 变换的医学图像分割方法。首先用非线性扩散滤波对原始图像进行平滑，然后利用 Watershed 算法 对图像进行过度分割，最后用改进的Fast Marching方法对图像进行分割。除此之外，我们根据区域之间的统 计特性的相似度重新定义了Fast Marching 方法的速度函数。实验表明，该方法能够快速、准确的得到医学图 像的分割结果。 关 键 词 : 水平集 Fast Marching 方法 图像分割 医学图像 Watershed 变换 中图法分类号: TP391 文献标识码: A 1 引言 图像分割是医学图像处理中的重要研究内容之一，从医学图像中准确地提取目标物体是三维重建的基 础，也是医学图像处理系统能在临床中得到实用的基础，同时它又是一个经典难题。由于问题的重要性和 困难性，从七十年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。 水平集(Level Set)方法主要是从界面传播等研究领域中逐步发展起来的，它是处理封闭运动界面随时间 演化过程中几何拓扑变化的有效的计算工具。Osher和Sethian[1] 首先提出依赖时间的运动界面的水平集描 述。其主要思想是将移动的界面作为零水平集嵌入高一维的水平集函数中，这样由闭超曲面的演化方程可 得到水平集函数的演化方程，而嵌入的闭超曲面总是其零水平集，最终只要确定零水平集即可确定移动界 面演化的结果。Level Set方法自提出以来，已在图像处理和计算机视觉等领域得到广泛的应用：如Sethian[1] 等用Level Set去除图像噪声;Malladi[2]将其应用于图像分割，特别是医学图像的分割和重建中；Bertalmio[3] 等将Level Set应用于图像变形和破损图像修复中；Masouri[4]将Level Set运用于运动目标跟踪领域；Parogios 和Deriche[5]用Level Set方法进行纹理分割以及运动目标分割和跟踪；Samson[6]等人用Level Set方法实现图 像分类等。 本文给出了一种结合 Fast Marching 算法和 Watershed 变换的医学图像的分割方法。该方法首先用非线 性扩散滤波对原图像进行平滑，以滤掉图像噪声；然后利用 Watershed 算法对图像进行过度分割(分割的区 域数目超过图像中包含的实际对象数) ，最后用改进的 Fast Marching 方法对图像进行分割。由于引入了过 度分割，该方法只需计算种子点到其所在的区域边界的到达时间，对于区域内部其它的像素点，由于其区 收稿日期: 2002-05-09; 修改日期: 2002-06-30 基金项目: 国家自然科学基金资助项目 作者简介: 朱付平(1974 －),男,安徽枞阳人,博士生,主要研究领域为模式识别与图像处理,医学图像分割; 田捷(1960 －),男, 安徽芜湖人,博士后,研究员,博士生导师,主要研究领域为模式识别与智能系统,计算机网络与多媒体; 林瑶,重庆人,1972 年生，博 士,主要研究方向为模式识别与图像处理。葛行飞(1976-),男, 山东鱼台人,博士生,主要研究方向为模式识别与图像处理,计算机网 络. 本文通讯联系人：田捷，北京市 2728 信箱人工智能实验室 100080 2 Journal of Software 软件学报 2001,12(Suppl.) 域的一致性，种子点跨越内部像素点的到达时间无需计算，这样算法的运算速度就得到大大的改善。而且， 我们还根据相邻区域之间的统计特性相似度重新定义了 Fast Marching 方法的速度函数。 本文第二节中，我们简