一种全自动的脑部MR图像分割算法
医学图像的分割技术及其新进展
医学图像的分割技术及其新进展3楚存坤,李月卿,王昌元(泰山医学院,山东泰安 271000)关键词:医学图像分割;图像分割评价中图分类号:R319 文献标识码:A 文章编号:100427115(2007)0420315203 近几年,计算机断层成像(ComputedTomo2graphy,CT),核磁共振成像(MagneticResonanceIm2age,MRI),超声成像(ultrasoundimage,USI)等医学成像技术已经广泛应用在医疗的诊断、术前计划、术后监测等各个环节中,其目的是全面而精确地获得病人的各种数据,为诊断、治疗计划、手术和术后评估提供正确的数字信息。只有把感兴趣的目标从图像的复杂景物中提取出来,才有可能进一步对它们进行定量分析或者识别。目前,医学图像分割主要以各种细胞、组织与器官的图像来作为处理的对象或内容。图像分割是根据某种均匀性或一致性原则将图像分成若干个有意义的部分,使得每一部分都符合某种一致性的要求[1]。1 医学图像分割技术的发展111 传统图像处理领域中的医学图像分割技术11111 基于阈值的方法阈值分割法是将灰度图像变为二值图像以达到分割目的的方法,它是一种PR(并行区域)法。阈值法的过程是决定一个灰度值,用以区分不同的类,这个灰度值就叫做“阈值”。把灰度值大于阈值的所有像素归为一类,小于阈值的所有像素归为另一类。阈值法是一种简单但是非常有效的方法,特别是不同物体或结构之间有很大的强度对比时,能够得到很好的效果。此分割法通常是交互式的。因为阈值法能够实现实时操作,所以它更能够建立在用户视觉估计的基础上。阈值法一般可以作为一系列图像处理过程的第一步。其主要局限是,最简单形式的阈值法只能产生二值图像来区分两个不同的类。另外,它只考虑像素本身的值[2],一般都不考虑图像的空间特性,这样就对噪声很敏感。针对它的不足,有许多经典阈值法的更新算法被提了出来[3,4]。11112 基于边缘检测的方法基于边缘检测的分割方法是通过检测相邻像素特征值的突变性来获得不同区域之间的边缘。边缘点的判定是基于所检测点的本身和它的一些邻近点,主要包括局部微分算子,如Roberts梯度算子,Sobel梯度算子和Canny算子等,当然,针对不同的图像,还有许多其它不同的算子、手段来检测出这些边缘点。例如,Fan等人[5]利用非线性小波阈值法对植入式超声图像中的腔内膜-内壁和外膜等形成的边界进行了检测,Sedelaar等人[6]利用非线性La2place滤波器实现了对前列腺超声图像的自动分割。一个好的边缘检测算子不仅具有微分特性以获得灰度变化信息,它还应该能够根据需要适合任何尺度下的边缘检测,因为图像中的灰度是以不同尺度发生变化的。实验发现,边缘检测方法获得的边缘信息往往会因这些信息不够突出而产生间隙,不能形成包围物体的封闭曲线,这就要求根据这些离散的边缘点采用一定的跟踪、连接算法勾勒出有意义的物体边界。另外,边缘检测分割方法对噪声较大的图像还会产生较多的伪边缘,为去除噪声提出了较高的要求。这个问题在医学超声图像分割中显得尤为突出[7]。112 近年新发展医学图像分割技术为解决上述传统图像分割技术中存在的问题,近年来,研究者们对于各种新的图像分割算法进行了广泛的研究和使用,并取得了许多令人鼓舞的成果。11211 基于活动轮廓模型的医学图像分割活动活动轮廓模型又称Snake模型,自Kass等人[8]于1988年提出以来,已广泛应用于数字图像分析和计算机视觉等领域。这种模型最显著的优点是将图像数据、初始轮廓的选取、目标轮廓特征以及知识的约束条件都集成在一个特征提取过程中。主动轮廓线的运动过程就是寻找能量函数最小点的过程,从人工定义的初始位置开始,在使能量函数递减的算法的驱使下产生形变,直到到达目标的边缘。近年来的大量研究表明,主动轮廓线模型具有良好的提取和跟踪特定区域内目标轮廓的能力,因此非常适用于医学图像如CT、MR和超声图像的处理,以获取特定器官及组织的轮廓。Yoshida等人[9,10]基于513泰 山 医 学 院 学 报JOURNALOFTAISHANMEDICALCOLLEGE Vol128 No14 2007
基于K均值聚类的图割医学图像分割算法
第３７卷
Ｖｌ０ｌ＿３７ 第５期
ＮＯ．５ 计算机工程
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１１年３月
Ｍａｒｃｈ ２０１】
・图形图像处理・ 文章编号：１ｏ０ｏ一－３４２８（２０ｌ１）ｏ５—０２３２—０３ 文献标识码：Ａ 中圈分类号：ＴＰ３９１．４１
基于Ｋ均值聚类的图割医学图像分割算法
吴永芳，杨鑫。徐敏，张星
（中国科学院自动化研究所复杂系统与智能科学重点实验室，北京１００１９０）
摘要：图割是一种同时基于区域和边界的交互式图像分割算法。传统的基于高斯混合模型的图割具有时间慢和描述组织中灰度分布不准
确的缺点。为此，提出一种基于Ｋ均值聚类的图割算法。通过用改进的图割来分割仿体的和真实的脑部核磁共振图像，显示出该方法的有 效性。该方法不但能提高图割在分割时的速度，在有噪音和灰度不均匀的图像上也能在较短的时间内得到更准确且鲁棒的结果。
关健诃：图像分割；图割；Ｋ均值聚类；脑部核磁共振图像
Ｇｒａｐｈ Ｃｕｔｓ Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ
Ｂａｓｅｄ ０ｎ Ｋ—ｍｅａｎｓ Ｃｌｕｓｔｅｒｉｎｇ
ＷＵ Ｙｏｎｇ—ｆａｎｇ，ＹＡＮＧ Ｘｉｎ，ＸＵ Ｍｉｎ，ＺＨＡＮＧ Ｘｉｎｇ
（Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｃｏｍｐｌｅｘ Ｓｙｓｔｅｍｓ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｓｃｉｅｎｃｅ，Ｉｎｓｔｉｔｕｔｅ ｏｆＡｌａｔｏｍａｔｉｏｎ，Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １ ００１９０，Ｃｈｉｎａ）
｜Ａｂｓｔｒａｃｔ］Ｇｒａｐｈ ｃｕｔｓ ｉｓ ａｎ ｉｎｔｅｒａｃｔｉｖｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｂｏｕｎｄａｒｙ ａｎｄ ｒｅｇｉｏｎ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｏｂｊｅｃｔｓ ｉｎ ｉｍａｇｅｓ．Ｔｈｅ ｒｅｇｉｏｎ ｔｅｒｍ ｉｎ
ｃｏｎｖｅｎｔｉｏｎａｌ ｇｒａｐｈ ｃｕｔｓ ｉｓ ｂａｓｅｄ ｏｎ Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ ＭｏｄｅＩ（ＧＭＭ）．Ｈｏｗｅｖｅｒ，ｉｔ ｉｓ ｎｏｔ ｏｎｌｙ ａ ｓｌｏｗ ｐｒｏｃｅｓｓ，ｂｕｔ ｓｏｍｅｔｉｍｅｓ ｉｔ Ｃａｌｌ’ｔ ｄｅｓｃｒｉｂｅ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｐｉｘｅｌｓ ｉｎ ｏｂｊｅｃｔｓ ｐｒｅｃｉｓｅｌｙ．Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ａｎ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ Ｋ—ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ ｇｒａｐｈ ｃｕｔｓ．ｉｔｓ ｅｖａｌｕａｔｉｏｎ ｉｓ
MRI脑序列图像的三维重建算法研究
第ｌ３卷第１５期２０１３年５月 １６７１—１８１５（２０１３）１５—４３２９－０５ 科学技术与工程 Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏｋ １３ Ｎｏ．１５ Ｍａｙ ２０１３ ⑥２０１３ Ｓｃｉ．Ｔｅｃｈ．Ｅｎｇｒｇ． Ｍ砒脑序列图像的三维重建算法研究 张媛周 漪 （许昌市耕新信息科学研究院，许昌４６１０００） 摘要针对ＭＲＩ脑图像分割和三维重建中存在精度与效率不高的问题，提出了一种ＭＲＩ脑图像分割与三维重建方法。首 先，采用双边滤波法对ＭＲＩ脑图像进行去噪；其次，通过一种改进的区域增长算法对ＭＲＩ脑图像进行了颅骨去除；同时，再利 用改进的模糊空间聚类对脑图像中的组织进行聚类，以准确提取脑白质；最后，将提取出来的脑白质通过规则移动立方体法 进行了三维重建。所给实例表明，对ＭＲＩ脑序列图像的重建效果良好，为后续的定量分析和可视化打下了良好的基础。 关键词ＭＲＩ脑图像 三维重建 模糊空间聚类 双边滤波 区域增长 规则移动立方体法 中图法分类号Ｒ７４１．０４； 文献标志码Ａ 脑部核磁共振（ＭＲＩ）图像的脑组织精确分割和 三维重建是ＭＲＩ颅脑图像定量分析和可视化的基 础。由于大脑结构的复杂性和个体差异性，自动且 又准确地从ＭＲＩ颅脑图像中分割出感兴趣的脑组 织是一项极为复杂和困难的任务。因此，ＭＲＩ脑图 像的分割与三维重建已成为医学研究和计算机图 像处理领域中的研究热点问题ｌ】Ｉ２］。由于ＭＲＩ脑图 像成像原理的影响，脑图像本身存在条纹状噪声 等 』，这会对边缘分割造成很大影响。并且颅骨等 非脑组织的存在也会影响到分割的精度，从而不利 于后期脑组织的三维重建。 针对上述问题，许多学者对ＭＲＩ脑图像的分割 与三维重建等方面进行了较为深人的研究。特别 是在ＭＲＩ脑图像的分割方面，研究主要集中在以下 ３个方面。第１个方面为ＭＲＩ脑图像的滤波去噪， 常用的滤波去噪方法有小波阈值滤波 及非局部 均值滤波 等。小波阈值滤波处理ＭＲＩ图像时，由 于没有考虑尺度间及尺度内近邻的小波系数与当 前小波系数间的相关性，使得信号得不到更为准确 的估计，从而造成分割结果欠佳；而非局部滤波却 存在循环迭代次数较多、计算时间长等问题。第２ ２０１２年１２月２４日收到，２０１３年３月５日修改 河南省科技攻关 项目（１１２１０２３１０３７１）资助 第一作者简介：张嫒（１９７５一），女，汉族，讲师，硕士。研究方向： 计算机软件开发技术。Ｅ—ｍａｉｌ：ｐｅｎｇ＿ｇｈ＠１６３．ｃｏｍ。 个方面为ＭＲＩ脑图像的颅骨去除，采用的方法主要 有区域增长法 、动态轮廓模型法ｒ 、数学形态学 法 及图论法 。在这几类方法中，区域增长算法 由于计算速度较快、分割效果较好经常被用来去除 颅骨。第３个方面为脑组织分割，即分割脑白质、脑 灰质。在脑组织分割方面，目前较为流行、效果较 好的算法是模糊空间聚类法 。然而，一般的模糊 空间聚类法的初始聚类中心是随机选取的，方法虽 然简单但是存在运算时间较长、效率不高的缺点。 为了较快获得较高质量的ＭＲＩ脑图像三维重 建效果图，本文对ＭＲＩ脑图像分割的３个问题：滤 波去噪、颅骨去除和脑组织分割，均进行了较为深 入研究，并提出了相应的解决方法。同时结合一种 改进的移动立方体法一规则移动立方体法（Ｒｅｇｕ－ ｌａｒｉｚｅｄ Ｍａｒｃｈｉｎｇ Ｃｕｂｅ，ＲＭＣ） ，实现了ＭＲＩ脑序 列图像的三维重建。 １ Ｍｌｕ脑图像滤波去噪 为了得到ＭＲＩ脑图像最佳的滤波效果，本文采 用双边滤波 法对图像的条纹噪声等进行去噪，并 与常用的小波阈值滤波法、非局部均值滤波进行了 对比。实验中，小波滤波方法采用了３层分解、选用 ｂｉｏｒ３．９小波和软阈值；非局部均值滤波法中的平滑 参数ｈ为６．５，搜索窗口的半径ｔ为３；而本文方法 中标准差ｓｉｇｍａ取为［２，０．０５］，搜索窗口的半径
基于局部区域拟合模型的磁共振图像分割与偏移估计算法
第３１卷第１２期 ２０１１年１２月 计算机应用 Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ Ｖｏ１．３ｌ Ｎｏ．１２ Ｄｅｃ．２０１１
文章编号：１００１—９０８１（２０１１）１２—３３５０—０３ ｄｏｉ：１０．３７２４／ＳＰ．Ｊ．１０８７．２０１ １．０３３５０
基于局部区域拟合模型的磁共振图像分割与偏移估计算法
任鸽，曹兴芹，杨勇
（新疆师范大学计算机科学技术学院，乌鲁木齐８３００５４）
（２３６７８９４９７＠ｑｑ．ｃｏｎ）
摘要：磁共振（ＭＲ）图像的灰度通常是不均匀的，这种不均匀性是由于成像设备的缺陷导致产生了一种光滑的
偏移场。一般的基于灰度统计特性的分割算法都是假设目标区域和背景区域图像的灰度分别是一致的，因此该类算
法不能很好地应用于磁共振图像的分割。提出一种基于局部拟合模型的磁共振图像分割与偏移估计算法：利用图像
的局部区域的灰度特性建立恢复图像的灰度、偏移量，以及区域指示函数之间的能量函数，然后分别针对恢复图像的
灰度、偏移量以及指示函数进行优化。该算法可以同时对磁共振图像进行分割与偏移估计。实验结果表明该算法优
于目前比较流行的磁共振图像分割与去偏移算法如变分水平集方法。
关键词：图像分割；水平集；偏移估计；磁共振图像
中图分类号：ＴＰ３９１．４１ 文献标志码：Ａ
Ｓｉｍｕｌｔａｎｅｏｕｓ ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ ｂｉａｓ ｃｏｒｒｅｃｔｉｏｎ ｆ０ｒ
ＭＲ ｉｍａｇｅ ｂａｓｅｄ ｏｎ ｌｏｃａｌ ｒｅｇｉｏｎ ｆｉｔｔｉｎｇ ｍｏｄｅｌ
ＲＥＮ Ｇｅ，ＣＡＯ Ｘｉｎｇ－ｑｉｎ，ＹＡＮＧ Ｙｏｎｇ
（Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉｎｊｉａｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ Ｘｉｎｊｉａｎｇ ８３００５４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎｔｅｎｓｉｔｙ ｉｎｈｏｍｏｇｅｎｅｉｔｙ ｏｆｔｅｎ ｅｘｉｓｔｓ ｉｎ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ（ＭＲ）ｉｍａｇｅｓ，ｗｈｉｃｈ ｉｓ ｄｕｅ ｔｏ ｔｈｅ ｓｍｏｏｔｈ ｂｉａｓ
一种改进的MBNN图像分割算法
一种改进的MBNN图像分割算法
蔡念;杨杰;胡匡祜;熊海涛
【期刊名称】《北京邮电大学学报》
【年(卷),期】2005()z1
【摘 要】提出了一种改进的基于模型的神经网络(MBNN,model-based neural
network)图像分割算法.采用马尔科夫随机场(MRF,Markov randomfield)对图像建模,将该模型融入MBNN,应用改进的最大期望值(EM,expectationmaximization)算法估计网络中MRF参数,采用预指定类别数技术减少网络计算量,最终实现图像分割.实验结果表明,该算法能够有机地将先验知识和图像局部统计相关性结合起来,从而有效地完成图像分割.
【总页数】4页(P55-57)
【关键词】基于模型的神经网络;图像分割;马尔科夫随机场;最大期望值算法
【作 者】蔡念;杨杰;胡匡祜;熊海涛
【作者单位】上海交通大学,图像处理与模式识别研究所,上海200240;中国科学院,生物物理研究所,北京100101
【正文语种】中 文
【中图分类】TP391
【相关文献】
1.一种结合改进OTSU法和改进遗传算法的图像分割方法 [J], 李贤阳;黄婵
2.一种改进的基于遗传算法优化的OTSU算法在岩心CT扫描图像分割中的应用 [J], 汤翟;何风
3.一种基于形态学分水岭算法的图像分割改进算法 [J], 毕浩宇;李燕
4.一种基于遗传算法的彩色图像分割改进算法 [J], 常竞;王玲
5.一种改进稀疏表示的多图谱脑MR图像分割算法 [J], 曹敏;侯金秀;张月芳;邓红霞;李海芳
因版权原因，仅展示原文概要，查看原文内容请购买
基于形态学算子的图像分割及插值方法在颈动脉MR图像三维重建中的应用
第ｌ４卷第４期
２０１３年８月 北华大学学报（自然科学版） ＪＯＵＲＮＡＬ ＯＦ ＢＥＩＨＵＡ ＵＮＩＶＥＲＳＩＴＹ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） Ｖｏ１．１４ Ｎｏ．４ Ａｕｇ．２０１３
文章编号：１００９－４８２２（２０１３）０４—０４７９－０５ ＤＯＩ：１０．１１７１３／ｊ．ｉｓｓｎ．１００９－４８２２．２０１３．０４．０２８
基于形态学算子的图像分割及插值方法
在颈动脉Ｍ Ｒ图像三维重建中的应用
龚艳云，周 萍
（首都医科大学生物医学工程学院，北京１０００６９）
摘要：颈动脉狭窄是导致脑卒中的最主要病因，颈动脉三维重建图像能直观显示其狭窄程度．采用形态学运算， 二值化分割颈动脉ＭＲ图像，提出颈动脉图像层间插值算法，实现不同临床样本间的数据配准，将Ｔ１、Ｔ２加权图 像中颈动脉血管壁从周围组织中清晰分离出来，利用Ｍｉｍｉｃｓ重建颈动脉血管的三维结构．
关键词：磁共振图像；形态学运算；二值化分割；插值技术；图像配准；三维重建
中图分类号：ＴＰ３９１ 文献标志码：Ａ
Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ａｎｄ Ｉｎｔｅｒｐｏｌａｔｉｏｎ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｍｏｒｐｈｏｌｏｇｉｃａｌ
Ｏｐｅｒａｔｏｒ Ｕｓｅｄ ｆｏｒ ３ Ｄ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ Ｃａｒｏｔｉｄ Ａｒｔｅｒｙ ＭＲ Ｉｍａｇｅ
ＧＯＮＧ Ｙａｎ—ｙｕｎ，ＺＨＯＵ Ｐｉｎｇ
（Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｌｌｅｇｅ ｏｆ Ｃａｐｉｔａｌ Ｍｅｄｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００６９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃａｒｏｔｉｄ ｓｔｅｎｏｓｉｓ ｗａｓ ｔｈｅ ｌｅａｄｉｎｇ ｃａｕｓｅｓ ｏｆ ｓｔｒｏｋｅ．Ｔｈｅ ｔｈｒｅｅ—ｄｉｍｅｎｓｉｏｎａｌ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｉｍａｇｅ ｏｆ
ｃａｒｏｔｉｄ ａｒｔｅｒｙ ｃｏｕｌｄ ｄｉｒｅｃｔｌｙ ｄｉｓｐｌａｙ ｔｈｅ ｃｏｎｄｉｔｉｏｎ ｏｆ ｓｔｅｎｏｓｉｓ．Ｍｏｒｐｈｏｌｏｇｉｃａｌ ｏｐｅｒａｔｉｏｎ ｗａｓ ｕｓｅｄ ｔｏ ｄｏ ｂｉｎａｒｉｚａｔｉｏｎ
一种各向异性GVF模型的心脏左心室MR图像分割模型
第22卷第11期2010年11月计算机辅助设计与图形学学报JournalofComputerAidedDesign&ComputerGraphicsVol.22No.11Nov.2010收稿日期:2010-01-17;修回日期:2010-08-11.基金项目:国家自然科学基金(60973157).王根(1983),男,硕士研究生,主要研究方向为图像分析与处理、气象资料同化;张建伟(1965),男,博士,教授,博士生导师,主要研究方向为图像处理、模式识别、数值分析与算法;陈允杰(1980),男,博士,讲师,主要研究方向为图像处理、模式识别、数值分析与算法;罗春燕(1986),女,硕士研究生,主要研究方向为图像分析与处理、模式识别;王宇(1983),男,硕士研究生,主要研究方向为图像分析与处理、模式识别.一种各向异性GVF模型的心脏左心室MR图像分割模型
王根,张建伟,陈允杰,罗春燕,王宇(南京信息工程大学数理学院南京210044)(203wanggen@)摘要:为了克服传统的梯度矢量流(GVF)模型对细长拓扑结构、噪声及弱边界敏感的缺陷,提出一种基于区域信息的各向异性GVF模型.首先由模糊C均值(FCM)聚类算法得到聚类信息并将其融入到GVF模型中,以降低弱边界和噪声的影响;然后利用图像结构信息改进GVF模型,使其具有各向异性,克服了细长拓扑结构的影响;最后把得到的各向异性GVF模型融入到Snake方程中引导曲线的演化,得到目标边界.实验结果表明,该模型具有较好的分割结果.关键词:图像分割;梯度矢量流模型;模糊C均值模型;各向异性中图法分类号:TP391.41AnAnisotropicGVFModelfortheMRImageSegmentationofLeftVentricleWangGen,ZhangJianwei,ChenYunjie,LuoChunyan,andWangYu(CollegeofMath&Physics,NanjingUniversityofInformationScienceandTechnology,Nanjing210044)Abstract:Inordertoovercometheshortcomingsthatthetraditionalgradientvectorflow(GVF)modelissensitivetostructureswithslendertopology,noiseandweakborders,ananisotropicGVFmodelbasedonregionalinformationisproposedinthispaper.First,theclusteringinformationcalculatedbythefuzzyCmeans(FCM)isappliedtotheGVFmodelinordertoreducetheimpactofweakbordersandnoise.Second,theimagestructureinformationisusedtoimprovetheGVFmodel,whichcouldmaketheGVFmodelanisotropicandreducetheimpactofslendertopology.Finally,theanisotropicGVFmodelisincludedintotheSnakeequationwhichcouldguidethecurvesevolutiontogetthetargetborder.Experimentsshowthatthenewmodelhasbetterperformanceinsegmentation.Keywords:imagesegmentation;gradientvectorflowmodel;fuzzyCmeans(FCM)model;anisotropic医学图像分割就是根据区域间的相似或不同把图像分割成若干区域的过程.对于清晰的目标边界,图像分割可采用拉普拉斯算子、阈值法、区域生长等传统方法解决.由于医学图像的解剖组织结构和形状十分复杂,加上其本身具有的模糊和不均匀等特点,且还易受到图像噪声、成像质量等诸多因素的影响,传统的图像分割方法不能有效地对其进行处理,因此在该领域已出现了许多不同的图像分割方法.Kass等[1]提出了活动轮廓模型,简称Snake模型,这为医学图像分割问题的解决带来了新的思路.该模型因可以任意加入人为的控制,且模型对于复杂边界具有良好的适应性,而被应用于许多领域.Snake线是一种内力和外力(主要是图像力)共同作用下的能量最小化的曲线,这种图像力可以把Snake线拉向目标边缘.但是它有2个主要缺点:1)其初始轮廓线必须接近真实的轮廓,否则很有可能收敛到错误的轮廓;2)很难深入到边界凹点.为了解决这些问题,Xu等[23]于1998年提出梯度矢量流(gradientvectorflow,GVF)模型.该模型运用热扩散原理对图像的边缘梯度矢量进行扩散,以扩大Snake外力的捕获范围,同时矢量间固有的竞争机制使GVF场能够驱动Snake曲线进入目标的凹陷区域.但是GVF存在的主要缺点是:Snake曲线在弱边界处容易泄漏,当目标区域内存在伪边界或噪声点时,其无法收敛到目标的弱边界和无法进入深度凹陷区域.针对这些问题,本文提出一种综合考虑图像边缘和区域信息的各向异性GVF模型.该模型首先用K均值对图像进行粗分类,得到的聚类中心作为模糊C均值(fuzzyCmeans,FCM)的初始聚类中心,将FCM得到的聚类信息融入到GVF模型中;然后利用图像结构信息改进GVF模型,使其具有各向异性;最后把得到的各向异性GVF模型融入到Snake方程中,以引导曲线的演化,进而得到目标边界,完成最终分割.
基于并行遗传算法的Otsu双阈值医学图像分割
２０１ １年 第２期 工程图学学报
ＪＯＵＲＮＡＬ ＯＦ ＥＮＧＩＮＥＥＲＩＮＧ ＧＲＡＰＨＩＣＳ ２０１ １ Ｎｏ．２
基于并行遗传算法的Ｏｔｓｕ双阈值医学图像分割
许良凤 ， 林辉２， 罗 殉 ， 吴东升 ， 李国丽４， 徐元英２， 景 佳２，ｓ
（１．合肥工业大学计算机与信息学院，安徽合肥２３０００９；２．合肥工业大学应用物理系，安徽合肥２３０００９； ３．合肥工业大学科研处，安徽合肥２３０００９；４．浙江工业大学信息工程学院，浙江杭州３１００１４；
５．中国科学院等离子体物理研究所，安徽合肥２３００３１）
摘 要：传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该 问题，提出了一种基于并行遗传算法的Ｏｔｓｕ双阈值医学图像分割算法。在该算法中，进化 在多个不同的子群中并行进行，避免单种群进化过程中出现的过早收敛现象，提高整个算法
的收敛速度。１００次阈值计算实验结果表明，提出的分割算法与传统遗传算法相比，不仅能 够对图像进行准确的分割，而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种 群的遗传算法的Ｏｔｓｕ双阈值医学图像分割。
关键词：医学图像；Ｏｔｓｕ；阈值；遗传算法 中图分类号：ＴＰ ３９１．４１ 文献标识码：Ａ 文章编号：１００３—０１５８（２０１１）０２—００８８．０５
Ａｎ Ｏｔｓｕ Ｄｕａｌ－ｔｈｒｅｓｈｏｌｄ Ｖａｌｕｅ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｐａｒａｌｌｅｌ Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ
ＸＵ Ｌｉａｎｇ．ｆｅｎｇ ，ＬＩＮ Ｈｕｉ ，ＬＵＯ Ｘｕｎ ，ＷＵ Ｄｏｎｇ—ｓｈｅｎｇ３，ＬＩ Ｇｕｏ．１ｉ ，ＸＵ Ｙｕａｎ—ｙｉｎｇ２，Ｊ１ＮＧ Ｊｉａ２，
（１．Ｓｃｈｏｏｌ ｏｆＣｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ，Ｈｅｆｅｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ Ａｎｈｕｉ ２３０００９，Ｃｈｉｎａ；２．Ａｐｐｌｉｃａｔｉｏｎ Ｐｈｙｓｉｃｓ Ｄｅｐａｒｔｍｅｎｔ，Ｈｅｆｅｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ Ａｎｈｕｉ ２３０００９，Ｃｈｉｎａ；３．Ｒｅｓｅａｒｃｈ ａｎｄ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ Ｄｅｐａｒｔｍｅｎｔ，Ｈｅｆｅｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ Ａｎｈｕｉ
优化的PCNN自适应三维图像分割算法
第２９卷第４期 ２０１２年４月 计算机应用研究 Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ Ｖ０１．２９ Ｎｏ．４ Ａｐｒ．２０１２
优化的ＰＣＮ Ｎ自适应三维图像分割算法木
唐宁，江贵平，吕庆文
（南方医科大学生物医学工程学院，广州５１０５１５）
摘要：脉冲耦合神经网络（ｐｕｌｓｅ ｃｏｕｐｌｅｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＰＣＮＮ）对图像分割具有天然的优势，但是传统的ＰＣＮＮ
模型参数难以确定，且算法耗时多。对多种ＰＣＮＮ模型进行研究改进，并利用统计学知识提出了一种精简高效的
自适应三维分割算法。将其用于脑部磁共振成像（ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｉｍａｇｉｎｇ，ＭＲＩ）图像的分割，把脑组织分成白
质、灰质和脑脊液。与标准ＰＣＮＮ、传统的Ｏｔｓｕ阈值方法、ＳＰＭ８工具箱及专家手动分割结果的对比实验表明，该自
适应算法具有精确性、高效性。
关键词：优化脉冲耦合神经网络；自适应三维分割；脑磁共振成像
中图分类号：ＴＰ３９１ 文献标志码：Ａ 文章编号：１００１—３６９５（２０１２）０４．１５９１．０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—３６９５．２０１２．０４．１１０
Ａｄａｐｔｉｖｅ ３ Ｄ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｏｐｔｉｍｉｚｅｄ ＰＣＮＮ
ＴＡＮＧ Ｎｉｎｇ．ＪＩＡＮＧ Ｇｕｉ—ｐｉｎｇ．ＬＶ Ｑｉｎｇ—ｗｅｎ
（Ｃｏｌｌｅｇｅ ｏｆＢｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈｅｒｎ Ｍｅｄｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ ５１０５１５，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ ＰＣＮＮ ｍｏｄｅｌ ｈａｓ ｍａｎｙ ｎａｔｕｒａｌ ａｄｖａｎｔａｇｅｓ．Ｂｕｔ ｔｈｅ ｔｙｐｉｃａｌ ＰＣＮＮ ｍｏｄｅｌ ｈａｓ ｔｏｏ ｍａｎｙ ｐａｒａｍｅｔｅｒｓ ｄｉｆｉｃｕｌｔ ｔｏ ｄｅｔｅｒｍｉｎａｔｅ ａｎｄ ｃｏｎｓｕｍｅｓ ｔｏｏ ｍｕｃｈ ｔｉｍｅ．Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｄ ａｎ ｅｆｆｅｃｔｉｖｅ ｔｈｒｅｅ ｄｉｍｅｎｓｉｏｎ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｍｏｄｅｌ ｔｈａｔ ｉｎｔｅｇｒａｔｅｄ ｍｕｌｔｉｐｌｅ ＰＣＮＮ ｍｏｄｅｌｓ ａｎｄ ｔｈｅ ｓｔａｔｉｓｔｉｃａｌ ｍｏｄｅ１．Ｉｔ ｗａｓ ｕｓｅｄ ｔｏ ｓｅｇｍｅｎｔ ｂｒａｉｎ ＭＲＩ ｉｍａｇｅ ｉｎｔｏ ｇｒａｙ ｍａｔｔｅｒ（ＧＭ），ｗｈｉｔｅ ｍａｔｔｅｒ（ＷＭ）ａｎｄ ｃｅｒｅｂｒｏｓｐｉｎａｌ ｆｌｕｉｄ（ＣＳＦ）．Ａｎｄ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｒｅｓｕｌｔｓ ｗｅｒｅ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｏｓｅ ｏｆ ｓｔａｎｄａｒｄ ＰＣＮＮ．ｔｒａｄｉｔｉｏｎａＩ Ｏｔｓｕ ｔｈｒｅｓｈｏｌｄ．ＳＰＭ８ ｔｏｏｌｂｏｘ ａｎｄ ｅｘｐｅ￣ｓｅｇｍｅｎｔａｔｉｏｎ．Ｉｔ ｄｅｍｏｎｓｔｒａｔｅｓ ｔｈｉｓ ａｄａｐｔｉｖｅ ｍｅｔｈｏｄ ｉＳ ｆａｉｒｌｙ ａｃｃｕｒａｔｅ ａｎｄ ｅｆｆｅｃｔｉｖｅ． Ｋｅｙ ｗｏｒｄｓ：ｏｐｔｉｍｉｚｅｄ ＰＣＮＮ；ａｄａｐｔｉｖｅ ３ Ｄ ｓｅｇｍｅｎｔａｔｉｏｎ；ｂｒａｉｎ ＭＲＩ
图像分割研究综述
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 编者按:在人类接收的信息中有80%来自视觉或者说为图像(Image)信息,这包括图像、图形(动画)、视频、文本、数据
等,这是人类最有效和最重要的信息获取和交流方式。随着计算机的普及,人们越来越多地利用计算机来帮助人类
获取与处理视觉(图像)信息。图像技术是对视觉图像获取与加工处理技术的总称。
图像技术近年来受到人们广泛的关注,它包括图像的采集获取;图像编码存储和传输;图像的产生、显示与变
换;图像的分割,图像的特征提取与测量;图像数据库的建立、索引和抽取;图像的分类、表示和识别;图像的模型匹
配;图像的质量评价;图像的解释与理解等。根据抽象程度和处理方法的不同,图像技术可分为三个层次:图像处
理,图像分析和图像理解。这三个层次的有机结合也可称为图像工程。
图像处理是较低层的操作,主要在图像像素级上进行处理。比较狭义的图像处理主要包括对图像分割以改善
视觉效果,或对图像压缩编码以减少传输时间或存储容量。图像分析则是进入中层的操作,分割和特征提取把原来
以像素描述的图像转变成简洁的非图形式的符号描述。即图像分析是一个图像进而数据出的处理,数据可以是特
征测量的结果,或是基于测量的符号表示。图像理解也经常被称为计算机视觉,这主要是高层操作。图像理解进一
步研究图像中的目标和它们之间的联系,其处理过程与方法与人类的思维推理往往有不少类似之处。
根据以上所述,本专辑有以下文章:
①图像分割研究综述;②视觉计算———人类感知能力的延伸;③数字图像的质量评价;④基于数码相机的图
像采集系统;⑤神经递质释放的计算机图像分析系统;⑥计算机视觉技术在智能交能系统中的应用;⑦点光源视
景图像的控制与实现
图像分割研究综述3
StudySurveysonImageSegmentation