基于混合蛇形模型的醫(yī)學(xué)圖像分割算法研究.pdf

1、醫(yī)學(xué)圖像分割是計(jì)算機(jī)圖形學(xué)和數(shù)字圖像處理技術(shù)在生物醫(yī)學(xué)工程的重要應(yīng)用。醫(yī)學(xué)圖像涉及的往往是人體的組織，成分復(fù)雜、多樣;對(duì)于不同的人體，組織結(jié)構(gòu)也有差異性;由于目前醫(yī)學(xué)成像技術(shù)具有一定的限制，使得醫(yī)學(xué)圖像存在大量的噪聲、圖像中目標(biāo)物體部分邊緣可能局部不清晰，這些給醫(yī)學(xué)圖像的準(zhǔn)確分割造成了很大的困難，因此，如何將醫(yī)學(xué)圖像中的目標(biāo)物體邊界信息提取和準(zhǔn)確分割，對(duì)疾病的診斷和治療有著非常重要的臨床意義，而且也是圖像三維重建和醫(yī)學(xué)圖像可視化的基礎(chǔ)。

2、
　　 現(xiàn)有的醫(yī)學(xué)圖像分割算法主要有:基于閾值選取的分割、基于區(qū)域的圖像分割、基于邊緣檢測(cè)的分割以及基于特定理論的分割方法等，這些方法對(duì)清晰圖像分割效果很好，但是都對(duì)信噪比較高的醫(yī)學(xué)圖像，分割效果不夠理想，同時(shí)這些分割方法在對(duì)弱邊界的復(fù)雜醫(yī)學(xué)圖像進(jìn)行分割時(shí)很難捕獲細(xì)小的目標(biāo)輪廓，容易產(chǎn)生假邊界或不連續(xù)邊界，而且這些算法大部分都是針對(duì)灰度圖像的，沒(méi)有充分利用彩色圖像中的顏色信息，因此研究一種能夠捕獲弱邊界，并且充分的利用顏色信息的

3、醫(yī)學(xué)圖像分割算法成為了研究的熱點(diǎn)。課題針對(duì)復(fù)雜醫(yī)學(xué)圖像特性，提出了混合Snake算法來(lái)分割圖像。首先，由于醫(yī)學(xué)圖像含有多個(gè)組織，選用高斯混合模型來(lái)表示醫(yī)學(xué)圖像的概率分布;然后，在構(gòu)造混合Snake模型能量函數(shù)的外部能量時(shí)，利用信息論中類不確定性原理，引入局部強(qiáng)度驅(qū)動(dòng)的“適應(yīng)力”，作為一種外部力，來(lái)控制Snake的變形，從而抑制混合Snake模型在弱邊界背景處不受控制的膨脹;另外，利用像素在加權(quán)HSI顏色空間中的歐式距離代替?zhèn)鹘y(tǒng)方法中利用

4、像素灰度差分來(lái)近似圖像梯度，引導(dǎo)出另外一種外部力——“梯度力”，使得混合Snake輪廓線在邊界臨近處不會(huì)出現(xiàn)動(dòng)蕩，并且將該模型用到彩色圖像中?；旌蟂nake模型的外部力有兩部分組成，因此該模型稱為混合Snake模型。
　　 實(shí)驗(yàn)仿真結(jié)果表明，混合Snake模型對(duì)初始輪廓的依賴性不高;對(duì)噪聲不敏感;對(duì)醫(yī)學(xué)圖像的模糊邊界處輪廓收斂效果更好;又由于利用顏色信息，它還能將彩色圖像中灰度值相同，飽和度不同的目標(biāo)物體分割出來(lái)。