医学图像分割算法综述与探索.docVIP

医学图像分割算法综述与探索 　　摘要：医学图像分割是图像分割技术的重要应用领域，是医学图像处理的基本技术。本文对集中典型使用的分割算法进行分类和综述，简要讨论了每种算法的研究现状。 　　关键词：图像分割；阈值分割；聚类分割；水平集；交互式分割算法 　　中图分类号：TP393 文献标识码：A文章编号：1007-9599 (2011) 09-0000-01 　　Medical Image Segmentation Algorithms and Exploration 　　Zhu Yincong,Liu Yu,Chen Hanrong 　　(Computer and Information Science,Southwest University,Chongqing400715,China) 　　Abstract:Medical image segmentation image segmentation is an important application field of medical image processing of the basic techniques.This paper focused on the typical segmentation algorithm used to classify and review,a brief discussion of the status of each algorithm. 　　Keywords:Image segmentation;Threshold segmentation;Clustering segmentation;Level set;Interactive segmentation 　　图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。医学图像分割是对医学图像进行其他后续处理的基础，对病变区域提取、特定组织测量以及实现三维重建具有重要意义。目前医学图像处理技术主要针对计算机断层成像（CT），核磁共振成像（MRI），超声（US）等新的医学图像。 　　一、图像分割算法分类及研究现状 　　图像分割算法层出不穷，目前对于图像分割算法的分类依据也不统一。针对不同图像的特征、成像方式以及处理用途，选择合适的分割算法非常重要。本文将图像分割算法划分为基于阈值的分割算法、基于聚类的分割算法、基于水平集的分割算法、交互式分割算法和合并混合式分割算法等5类。 　　（一）基于阈值的分割算法。主要包括最大类间方差（Otsu）法、最大熵法、Kirsh算子法、迭代阈值法等。该类算法主要适用于目标和背景占据不同灰度级范围的图像，算法简单，但在阈值的选取很大程度上影响图像分割的效果，对从事图像分割的人员的先验知识依赖过强。 　　Otsu算法选择最佳阈值使得背景和目标之间分离性最好，该算法基于灰度直方图的一阶统计特性，具有运算速度快，适合于实时处理的优点。但是当背景和目标的比例相差悬殊时就会产生错误。为了解决这个问题，有的学者提出了二维Otsu阈值分割方法。常用的最大熵法有一维熵和二维熵两种，前者主要依据图像的一维灰度直方图选取阈值，后者依据图像单像素点的灰度值分布及其邻域的平均灰度值分布所构成的二维灰度直方图选取阈值。 　　（二）基于聚类的分割算法。主要包括模糊C-means（FCM）算法、K-means算法、ISODATA聚类算法等。该类算法主要适用于彩色图像尤其是特征较为明显的图像。算法直观、快速、易于实现，最大问题是要事先确定聚类数目，且初始聚类中心的选择对分类结果影响较大。 　　FCM算法是一种基于模糊理论的图像分割方法，该算法实际上是两次寻优的迭代过程。Chen等人充分考虑了空间信息的重要性，采用了新的核函数距离测度基于FCM对图像进行分割。K-means算法在实现上更具简便性，广泛反应用于图像和视频中的像素分类适合大量数据的聚类。李光等人提出了基于K均值聚类与区域合并的彩色图像分割算法，李丹丹等人提出了基于HSI空间和K-means方法的彩色图像分割算法。 　　（三）基于水平集的分割算法。水平集方法（Level Set Method）是由Osher和Sethian于1988年提出来的一种用于界面追踪和形状建模的数值技术。水平集方法可通过复杂的运动从多个边界或者区域的图像得到精确的分割边界。 　　近来，李宏友等为解决传统水平集方法无法应对弱边缘问题，提出了一种新的水平集进化模型；朱冰等对水平集函数的速度停止项进行了改进；秦绪佳等人提出了基于Canny算子的水平集数字虚拟人图像分割算法。 　　（四）交互式分割算法。Live-Wir