《CT图像分割几种算法.docx》由会员分享，可在线阅读，更多相关《CT图像分割几种算法.docx（5页珍藏版）》请在三一文库上搜索。
1、图像处理中文核心期刊微计算机信息(测控自动化 )2006 年第 22 卷第 2-1 期文章编号:1008- 0570(2006)02- 1- 0240- 03CT 图像分割几种算法Several Algorithm s of CT Im age Segm entation( 天津科技大学) 李久权王平王永强Li, Jiuquan Wang, Ping Wang, Yongqiang摘要: 图像分割在许多图像分析和图像识别过程中都是必需的步骤 。目 前 , 借助图像分割技术来进行医学影像处理正成为当今医学界的一个发展方向 。 本文正是在这一背景下对医学影像处理中的几种分割算法进行了研究 , 主要
2、包括 Fast Marching 分割算法、Live Wire 分割算法、区域增长分割算法和阈值分割算法 ; 同时 , 结合脑部 CT 片进行了实验研究 , 为这些算法在医学影像处理上的应用提供了一定的科学依据。关键词: CT 图像分割; 区域增长分割; Fast Marching 分割; Live Wire 分割; 阈值分割中图分类号: TN 911.73文献标识码: AAbstract: Image segmentation is a necessary step in image analysis and recognition. At present, with the epoch c
3、oming, the medical image segmentation can be ameliorated by use of image segmentation technology. Considering the application we analyze several algo-技 rithms of image segmentation in the medical image segmentation, which include Fast Marching segmentation, Live Wire segmentation,region growing segm
4、entation and thresholding segmentation.At the same time,these algorithms are applied in some experiments to术 deal with CT image, and the results of the four algorithms provide a scientific basis of the application of these algorithms in the med-ical image segmentation.创 Key words: CT image segmentat
5、ion; region growing segmentation; fast marching segmentation; live wire segmentation; thresh-olding segmentation新图像分割是指把图像分成互不重叠的区域并提取出感兴趣目标的技术 , 它是图像处理中的关键步骤。一方面, 它是表达目标的基础, 对特征测量有重要的影响 ; 另一方面 , 图像分割使得更高层的图像分析和理解成为可能。目前, 图像分割在医学领域得到了广泛的应用。它对医学病变区域提取、特定组织测量以及实现三维重建有着不可忽视的重要作用。本文对图像分割的几种算法进行了探讨, 并结合脑
6、部 CT 片进行了实验研究, 为这些算法在医学图像处理上的应用提供了一定的科学依据。1 Fast Marching 分割算法1.1 原理概述Fast Marching 分割算法是 Level Set 分割算法的一种 , 因此其基本思想遵循 Level Set 分割算法的思想。就是将平面闭合曲线隐含地表达为二维曲面函数的水平集, 即具有相同函数值的点集,通过函数曲面的进化隐含地求解曲线的运动。假定 T 时界面经过一个指定点(x,y)的时间 , 这样 T 就满足下面的方程:| T | F = 1因此, 从实际意义上来讲, Fast Marching 分割算法的关键在于对速度函数的选取。本文选取 R
7、.Malladi 定义的速度函数:F (x, y ) = e-a s ()其中,为梯度算子 , I(x,y)为原始图像 , G *I(x,y)表示高斯平滑, 且权重系数 取 00 时 , 我们可以李久权: 硕士天津市教委科技发展基金资助项目( 20041112)g (x, y )= Medianx , x ,x 其中 x1,.xn 为点(x,y)及其领域的灰度值。相对而言 , 中值滤波容易去除孤立点、线的噪声 , 同时保持图像的边缘 , 也就是说 , 中值滤波既能有效的抑制噪声, 又能很好的保留有效信号。因此, 它非常适合于 CT 图像的平滑和去噪处理。240 360/: 82-946元年 邮
8、局订阅号 现场总线技术应用 200 例- -图像处理技术创新变频器与软启动器应用 200例邮局订阅号: 82-946 360元/年241- -图 5 为分割后的图像。本次实验目标为通过区域增长算法对原始图像进行分割, 即将骨组织从原始图为止, 最后形成特征不同的各个区域。该方法需要先选取一个种子点, 然后依次将种子像素周围的相似像素合并到种子像素所在的区域中。在实际应用中, 进行区域增长必须首先满足三个前提: 选取有意义的特征; 确定合适的区域数目 ; 确定相似性准则。从某种意义上而言, 特征相似性就是区域合并所必须遵守的基本准则。3.2 算法实现首先对图像进行预处理, 方法同上。本文选取的相
9、似性准则是待检测像素点灰度与已检测出的区域的灰度均值进行比较, 若差值小于阈值, 则合并。其算法实现步骤如下:对原始图像进行扫描, 找出孤立的像素点。若寻找不到这样的像素点则结束操作。比较已存在区域的像素灰度平均值与该区域邻接的像素灰度值。若灰度差值小于阈值, 则合并到同一区域, 并对合并的像素赋予标记。反复进行的操作。反复进行、的操作, 直到不能再合并为止。返回操作, 寻找新区域出发点的像素。3.3 实验结果图像处理中文核心期刊微计算机信息(测控自动化 )2006 年第 22 卷第 2-1 期本文采用双阈值形式, 即指定一个上届阈值和下界阈值。进行分割后, 处于上下界之间的灰度区域被置为 1
10、, 而上下界之外的像素被置为 0。从而将目标与背景区分开来。4.2 实验结果图 6 是阈值分割后的骨组织图像。实验表明, 如果 阈值选取的比较合适 , 分割所用的计算时间会很少。在实际应用中, 阈值的选取更多的取决于经验。5 结论技术创新 像中分割出来。最先的种子点选取在原始图像的骨组织区域内, 为减少计算时间 , 可将原始图像中的骨组织区域再细分几个小的区域, 然后在每个小区域中分别选取种子点。在这里应该指出, 分割的区域面积越大, 应用区域增长算法进行分割所用的时间也就越长。4 阈值分割算法4.1 原理概述阈值分割时比较常见而且也是比较原始的图像分割方法。它主要是通过设置灰度级门限, 将直
11、方图划分为两段, 一段对应于物体, 一段对应于背景。这类分割方法基于一下的假设: 图像中的物体或背景的灰度分布具有尖峰或主要集中在不同的灰度级段上。 Fast MarchingLive Wire Fast Marching 分割主要适用于图像灰度边界比较明显的地方。但是在图像灰度比较接近、边界模糊 的地方分割效果很不理想 ; 同时 , 它对速度函数的依 赖性很大。 如果速度函数以及相应的参数取值不当 , 采用 Fast Marching 方法需要遍历一幅图像的所有像素, 计算量大。 Live Wire 分割算法具有高精度和可重复性 , 在减少人工干预的前提下, 该方法既弥补了自动分割的不足,
12、又比手工分割要精确得多。但它不能有效的区分图像中的强弱边缘 , 而且算法比较复杂 , 计算时间较长。 区域增长分割对于相对较小的结构或组织区域进行分割效果较好, 而且其结果对于起始种子点的选取依赖性较大, 也就是说种子点的不同起始位置会导致分割结果的差异性 ; 同时 , 它不能一次同时完成多块不连续区域的分割, 每次只能分割一个区域, 其运算速度相对较慢。 阈值分割效果最好, 方法简单而且计算量小。但是对噪声和灰度分布不均很敏感 , 同时 , 用户先验知识在阈值分割中显得尤为重要, 通常都是先做尝试性的分割, 然后不断对阈值进行调整以得到期望的效果。参考文献1Sethian, J.A. Fas
13、t marching methods J. SIAM Review, 1999,41(2):199 235.2Malladi,R.,Sethian,J.A.An algorithm for shape modeling.In:Proceedings of the National Academy of Sciences, 1996, 93:93899392.3田捷, 赵明昌, 何晖光. 集成化医学影像算法平台M. 北京: 清华大学出版社, 2004.104Weill p, Vitale M. From Place to Space: Migrating to Atomic e- Busines
14、s Models M. Harvard Business School Press, 2001.5周龙等, 基于数学形态学的储粮害虫图像边缘检测算法研究J,微计算机信息,2005,4:230- 2316贾永红. 数字图像处理M. 武汉: 武汉大学出版社, 2003.9作者简介 : 李久权 ( 1976- ) , 男 ( 汉 ) , 辽宁营口人 , 在读硕士 , 天津科技大学机械工程学院机械制造及其自动化专业 , 从事 CAD/CAM/CAE 集成技术的研究 ; E- mail: ; ; 王平 ( 1957- ) , 男 ( 汉 ) , 天津人 , 教授 , 硕士生导师 , 研究方向 : 机械制
15、造及其自动化。(见 204 页)-242-360元 / 年 邮局订阅号: 82-946 现场总线技术应用 200 例故障诊断中文核心期刊微计算机信息(测控自动化 )2006 年第 22 卷第 2-1 期( 2) 为了去除图 2 信号中的噪声, 选择长度为 16的 Daubechies 紧支集小波基, 利用 Mallat 快速分解算法 , 设置浮动门限值, 保留超过门限值以上的小波系数 , 然后利用 Mallat 重构算法得到轴承振动信号去噪后的波形, 从图 3 可知噪声基本被去除, 信号被恢复。( 3) 利用 Daubechies16 紧支集小波基产生的小波包对图 3 中的信号经过 4 层分解
16、, 图 4 为分解得到的16 个小波包子带( 图中用虚线区分) 。技 ( 4) 根据公式和计算图 4 中各个小波包子带术 对应的能量 Ei 和 E 总能量,计算 Ei 所占 E 的比例 Sk。图 5 是所绘出的能量谱尺度图, 从图 5 可以看出轴承创 振动信号在正常和外圈划伤的情况下尺度图比例明显不同, 正常情况下小波包子带的尺度图主要集中在新 部分的子带 , 并且在低频段中所占的比例较大 ; 而在外圈有划伤的情况下, 分解后的小波包子带的尺度图散布于各个子带 , 在低频段所占的比例较少 , 因而可以根据这一个特性来判断机械轴承工作是否正常。5 结束语在故障诊断方面, 利用小波包精细频分技术,
17、 对信号的频带进行平均细分, 并从子带能量的角度对振动信号进行了分析。基于小波包分解的时频能量谱尺度图能够同时反映信号在特定时间 ( 对应小波包位置 ) 和特定频带 ( 对应小波包序列号 ) 处的信息 , 利用能量谱可以直观地识别出故障的特征频带, 有利于进一步量化分析。它既适用于平稳信号的处理 , 又适用非平稳信号的处理。将小波包分析与能量检测结合起来的小波能量检测方法可以很好地判别故障。用该方法对实测轴承振动信号进行处理, 说明了该方法的有效可行。基于小波包能量谱尺度图的检测方法是故障诊断诸多方法的补充, 为从振动信号中提取微弱缺陷信号进行早期故障诊断提供了又一条可行的途径。参考文献1余莉
18、,舒勤,郑洪. 随机早期检测算法研究 J .微计算机信息 ,2005,1:115- 1172何正嘉,孟庆丰等. 机械设备非平稳信号的故障诊断原理及应用M . 北京:高等教育出版社,2001.3潘旭峰 , 谢波 , 小波变换理论及其在机械故障诊断中的应用 J, 振动与冲击, 1998, 17( 1) : 14- 194UOUNG K R.Wavelet Theory and Its Application M.Boston:Kluwei Acaclemic Publisher.19935COIFMAN R.WICKERHAUSER M V. Entropy based algorithms fo
19、r best basis selectionJ.IEEE Trans Infor Theroy,1999,38(3):713-7196Nikolaou N G , Antoniadis I A . Demodulation of vibration signals generated by defects in rolling element bearings using complex shifted morlet wavelets J. Mechanical Systems and Signal Processing ,2002,16 (4):677- 694作者介绍: 张兢( 1965)
20、 , 女(汉族), 重庆市人, 电子与信息学科副教授 , 硕士 , 主要从事电子信息技术应用方 面 的 研 究 。 E - mail: ; zhjing ( 400050 重庆工学院电子信息与自动化学院) 张 兢路彦和(School of Electronics and Automation, Chongqing Institute of Technology, Chongqing, 400050) Zhang, Jing Lu,Yanhe通信地址:( 400050 重庆工学院电子信息与自动化学院) 张 兢(投稿日期:2005.8.12)(修稿日期:2005.8.18)(接 242 页)Aut
21、hor brief introduction:Name:Li Ji-uquan; Gender: Male; Folk: Han; Birthday: 2/1976; De-gree: Master; Occupation: Student; University: TianjinUniversity of Science & Technology; Major: CAD/CAM/CAE Integrated Technology; Email: ;.Wang Ping; Gender: Male; Folk: Han; Birthday: 9/1957;Degree: Doctor; Occ
22、upation: Teacher; University: TianjinUniversity of Science & Technology; Major: Machinery Manufacture and Automation.( 300222 天津 天津科技大学机械工程学院) 李久权王 平 王永强(College of Mechanical Engineering, Tianjin Univer - sity of Science & Technology,Tianjin, 300222) Li, Jiuquan Wang, Ping Wang, Yongqiang通信地址: (300222 天津市河西区大沽南路 1038 号天津科技大学 63 信箱)李久权(投稿日期:2005.6.12)(修稿日期:2005.6.22)204 360/: 82-946元年 邮局订阅号 现场总线技术应用 200 例- -