魯棒的主動輪廓圖像分割模型研究及其應用.pdf

1、工業(yè)計算機斷層成像（Computed Tomography，CT）系統(tǒng)通過射線掃描物件獲取投影數據，進而重構出物件的斷層圖像進行處理和分析。其中，從圖像中準確、高效地提取出感興趣目標對后續(xù)處理（如缺陷檢測，尺寸測量及逆向制造等）至關重要。
　　核磁共振（Magnetic Resonance，MR）成像是一種有效的非介入檢測技術。由于對人體沒有輻射影響，因此被廣泛應用于醫(yī)學成像領域。在醫(yī)學圖像中，核磁共振成像能夠得到比較清晰的組織圖

2、像，并能夠顯示各個組織的較多細節(jié)。此外，核磁共振成像不僅能夠顯示人體器官的病變情況，而且還能夠精確的判定各個器官（如腦、心臟等）的功能情況。因此，MR圖像中各個器官的準確分割對于醫(yī)學診斷非常重要。
　　圖像分割是圖像分析和計算機視覺的基礎，其目的是將圖像劃分成若干各具特性的不相交的區(qū)域，并根據這些區(qū)域上圖像的某種特性提取和分離出感興趣的目標區(qū)域。作為圖像處理到圖像分析與理解的關鍵步驟，圖像分割技術的發(fā)展與數學、計算機科學以及模式識

3、別等相關學科和領域密切相關。
　　近年來，為了解決實際的應用問題，人們提出了很多方法用于圖像分割。其中，基于曲線演化理論的主動輪廓模型得到了人們的極大關注。該模型以其良好的分割性能與完善的理論基礎，得到了業(yè)界的一致認可與廣泛應用，并被成功地應用在工業(yè)無損檢測和醫(yī)學圖像分析等眾多行業(yè)中。
　　本論文以基于主動輪廓的圖像分割模型為基礎，在分析現(xiàn)有基于區(qū)域的主動輪廓模型特點的基礎上，面向工業(yè) CT和醫(yī)學 MR圖像應用中存在的一些問

4、題進行了系統(tǒng)的研究。從降低模型對初始輪廓的敏感性、增強對噪聲的魯棒性以及提高分割準確性等方面入手，對主動輪廓圖像分割模型做出了一系列的改進，并與實際應用相結合，提高圖像分割的效果。
　　本文的主要貢獻及創(chuàng)新性工作如下：
　?、偬岢隽艘环N基于局部魯棒性統(tǒng)計和相關熵K-均值聚類的主動輪廓模型。
　　由于成像設備技術以及數據獲取條件等限制，實際圖像（如CT圖像和核磁共振(MR)圖像等）通常存在一定程度上的強度不一致性以及被噪

5、聲污染的情況，使得傳統(tǒng)的圖像分割方法不能準確的分割出感興趣的目標。本文提出了一個基于局部魯棒性統(tǒng)計和相關熵 K-均值聚類的模型，來提高對含有噪聲或強度不一致性圖像的分割準確性。該模型主要由一個整體能量擬合泛函和一個局部能量擬合泛函組成。其中整體能量擬合泛函是利用基于相關熵的 K-均值方法，能夠自適應的對
　　聚類中心的相應點（圖像灰度）進行采樣，重點采樣離聚類中心較近的像素點的灰度，在一定程度上能夠增強模型對噪聲的魯棒性，并使得模

6、型對水平集函數的初始化位置不敏感；局部能量擬合泛函則考慮了輸入圖像的局部魯棒性統(tǒng)計信息，該統(tǒng)計信息能夠有效地減少噪聲對分割結果的影響。同時，利用局部強度均值可以使本模型在處理具有強度不一致性的圖像時的分割結果更加準確。本文中給出了二相位和多相位圖像的能量泛函及水平集表示公式，拓寬了該模型的應用范圍。通過對合成圖像、真實工業(yè) CT圖像以及 MR圖像的分割實驗，結果表明該模型不僅對初始輪廓不敏感，而且對具有強度不一致性的圖像和被不同類型、不

7、同程度的噪聲污染的圖像，均具有很強的魯棒性，與此同時能夠保持分割的準確性。
　　②改進了一種基于局部區(qū)域信息的穩(wěn)定的主動輪廓模型。
　　在Li-Kim模型基礎上，本文改進了一個結合局部區(qū)域灰度均值的分割模型。通過利用圖像局部灰度均值和全局灰度均值的差異，構造了一個基于局部統(tǒng)計信息的魯棒性噪聲圖像分割模型。局部統(tǒng)計信息的引入使得該模型能夠對噪聲圖像具有很好的魯棒性。通過分析可知，該模型能夠得到一個穩(wěn)定的極小值，即如果初始的水平

8、集函數有界，最終得到的水平集函數也是有界的，本文通過半隱式的差分方案和解析的方法，并通過水平集函數的演化，得到該模型穩(wěn)定的極小解。通過對合成圖像和工業(yè)CT圖像的分割實驗，表明該模型對含有一定噪聲（Gauss噪聲，椒鹽噪聲，斑點噪聲等）的圖像有很好的分割效果，且該模型對水平集函數的初始化具有魯棒性。該模型在保證分割準確性的同時，計算時間大大減少。
　?、鄹倪M了一種同時分割圖像和估計偏置場的主動輪廓模型。
　　實際應用中，圖像的

9、強度不均勻性（如MR圖像）對圖像分割效果和圖像的理解造成了很多的困難。針對 MR圖像的偏置場校正是在對其診斷分析之前的非常重要的手段。在Li模型基礎上，本文改進了一個同時分割圖像與偏置場校正的模型。該模型中，通過考慮局部區(qū)域中測量圖像和估計圖像之間的偏差，在此基礎上定義了一個聚類能量泛函。該局部區(qū)域變差的引入，不僅使該模型能夠得到更加精確的分割結果和偏置場估計，而且對一些低對比度的圖像也有很好的分割效果。在能量泛函中，引入水平集函數正則