醫(yī)學(xué)圖像分割文獻(xiàn)綜述

《醫(yī)學(xué)圖像分割文獻(xiàn)綜述》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、前言隨著科學(xué)技術(shù)的發(fā)展，生物切片圖像在生命科學(xué)、醫(yī)學(xué)、農(nóng)業(yè)等領(lǐng)域得到越來越廣泛的應(yīng)用。通過對(duì)切片圖像進(jìn)行圖形、圖像處理，可以從圖像中提取有意義的目標(biāo)．并重建出三維模型．為人們提供便利。與其他圖像相比，生物切片圖像具有顏色相近、灰度不均勻、邊緣復(fù)雜等特點(diǎn)，增加了圖像分割的難度。常用的圖像分割方法有閾值法、基于邊緣的方法、基于區(qū)域生長的方法等。對(duì)于生物切片圖像，傳統(tǒng)的分割技術(shù)或失敗，或需要特殊的處理技術(shù)?。新興的數(shù)學(xué)形態(tài)學(xué)技術(shù)在濾波去噪、保持輪廓信息等方面有著明顯的優(yōu)勢。因此，形態(tài)學(xué)常與分割方法相結(jié)合，如用形態(tài)學(xué)改進(jìn)邊緣檢測

2、效果，應(yīng)用于生物組織的紋理分割I(lǐng)，以及生物切片的交互式區(qū)域分割等。本文探討形態(tài)學(xué)與閾值方法相結(jié)合的模板法。以實(shí)現(xiàn)醫(yī)學(xué)病理切片圖像中真皮區(qū)域分割2．2醫(yī)學(xué)圖像分割概述算法應(yīng)用與研究圖像分割是圖像處理中的關(guān)鍵問題，分布的區(qū)域，得到的圖像稱為分割圖像，可以給出如下圖像分割的定義[1】：它把圖像分成若干個(gè)按照一個(gè)或幾個(gè)特征均勻表示的是區(qū)域信息。借助集合概念對(duì)圖像分割令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可以看著將R分成N個(gè)滿足以下五個(gè)條件的非空子集；Ⅳ①lJRi=Rf=l②Rin母=a，對(duì)所有的i和j，f≠J③P(Ri)=TRUE

3、，i--1，2一·N④P(RiA母)=FALSE，i≠J⑤Rf是連通的區(qū)域，i=l，2···N條件①指出在對(duì)一幅圖像的分割應(yīng)將圖像中的每個(gè)像素都分進(jìn)某個(gè)子區(qū)域中；條件②指出在分割結(jié)果中各個(gè)子區(qū)域是互補(bǔ)重疊的；條件③指出在分割結(jié)果中每個(gè)子區(qū)域都有獨(dú)特的特性；條件④指出在分割結(jié)果中，各個(gè)子區(qū)域具有不同的特性，沒有共同元素；條件⑤指出分割結(jié)果中同一個(gè)子區(qū)域內(nèi)的像素應(yīng)該是連通的。醫(yī)學(xué)圖像中包含的內(nèi)容很多，有些是臨床診斷所關(guān)心的有用區(qū)域，稱之為感興趣區(qū)域(RegionOfInterest，ROI)，有些是不感興趣的周圍環(huán)境區(qū)域，稱

4、之為不感興趣區(qū)域(RegionOfUninterested，ROU)。為了識(shí)別和分析醫(yī)學(xué)圖像感興趣區(qū)域，就必須將這些區(qū)域分離出來。在醫(yī)學(xué)圖像處理中，自動(dòng)識(shí)別有特定意義的圖像成分，解剖結(jié)構(gòu)和其他感興趣的區(qū)域，是圖像分割技術(shù)的一個(gè)根本任務(wù)。圖像分割技術(shù)極大的推動(dòng)了可視化和特定組織結(jié)構(gòu)處理的發(fā)展。而這往往是決定著整個(gè)臨床和研究分析結(jié)果的關(guān)鍵一步。圖像分割的研究多年來一直受到人們的高度重視，至今提出了各種類型的分割算法。在一個(gè)比較細(xì)致的分類里，Haralick和Shapiro將所有算法分為6類：測度空間導(dǎo)向的空間聚類、單一連接區(qū)

5、域生長策略、中心連接區(qū)域生長策略、空間聚類策略和分裂合并策略。依據(jù)算法所使用的技術(shù)或針對(duì)的圖像，Paltl3】也把圖像分割算法分成了6類：閾值分割，像素分割、深度圖像分割、彩色圖像分割，邊緣檢測和基于模糊集的方法。但是，該方法中，各個(gè)類別的內(nèi)容是有重疊的。為了涵蓋不斷涌現(xiàn)的新方法，有的研究者將圖像分割算法分為以下六類t并行邊界分割技術(shù)、串行邊界分割技術(shù)、并行區(qū)域分割技術(shù)、串行區(qū)域分割技術(shù)、結(jié)合特定理論工具的分割技術(shù)和特殊圖像分割技術(shù)。而在較近的一篇綜述中，更有學(xué)者將圖像分割簡單的分割數(shù)據(jù)驅(qū)動(dòng)的分割和模型驅(qū)動(dòng)的分割兩類。2

6、．3基于邊緣的圖像分割所謂邊緣是指其周圍像素灰度有變化的那些像素的集合【11，邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間。物體的邊緣是由灰度的不連續(xù)所反映的?；谶吘壍姆指畲砹艘淮箢惢趫D像邊緣信息的方法，它是最早的分割方法之一，而且現(xiàn)在仍然是非常重要的?；谶吘壍姆指钜蕾囉谟蛇吘墮z測子找到的圖像邊緣，這些邊緣指示出了圖像在灰度、色彩、紋理等方面不連續(xù)的位置。然后再將這些不連續(xù)的邊緣像素連成完整的邊界。常用的邊緣提取的算法有微分算子法、曲面擬合法、Hough變換法等。1．微分算子法微分算子法是通過求圖

7、像一階導(dǎo)數(shù)的極值點(diǎn)或二階導(dǎo)數(shù)的零點(diǎn)來檢測邊緣。常用的一階導(dǎo)數(shù)有Perwitt算子、Sobel算子、梯度算子，二階導(dǎo)數(shù)算子有Kirch算子，拉普拉斯算子和Wallis算子等非線性算子。(1)Prewitt算子Prewitt算子不是直接差分，而是先平均再差分，其中X，Y的模板如下：r一1011rl1l1Prewitt算子具有抑制噪聲的能力，如果模板更大些，則抑制噪聲更加明顯。(2)Sobel算子Sobel算子是先加權(quán)平均后再求差分，其X，Y的模板如下：2．4基于區(qū)域的圖像分割基于區(qū)域的圖像分割技術(shù)是以區(qū)域?yàn)閷?duì)象【I”，依照罔

8、像紋理特征、灰度值、換圖像的特征等共同屬性來劃分圖像區(qū)域。該方法給圖像中的每一個(gè)像素都賦予一個(gè)類別屬性，使具有預(yù)定義屬性的像素聚集在同類別中。常見的基于區(qū)域分割法有區(qū)域生長與分裂臺(tái)并法、閩值法、聚類等。l區(qū)域生長和分裂臺(tái)){二法區(qū)域生長的基本思想是將具有相似特性的像素合并到某個(gè)區(qū)域。首先為每個(gè)需要分割的區(qū)域確定一個(gè)種