基于活动轮廓模型的肝脏图像处理方法研究

医学成像技术与图像处理课程论文基于活动轮廓模型的肝脏图像处理方法研究ResearchonImageSegmentationbasedonActiveContourModel学院（系）：电子信息与电气工程学部专业：生物医学工程学生姓名：梅世宇学号：201058002指导教师：刘惠完成日期：2013.06.25大连理工大学DalianUniversityofTechnology基于活动轮廓模型的肝脏图像处理方法研究-I-摘要图像分割是图像理解和图像分析的关键步骤，其主要目标是将图像划分为若干个具有相同特征的子区域。图像分割一直是限制高层图像处理发展的瓶颈，近年来，由于基于活动轮廓模型图像分割方法具有严谨的数学理论框架，能解决传统图像分割方法得到的轮廓不连续等缺陷，加上其具有灵活多样的数值方案，基于活动轮廓模型图像分割理论及其应用研究得到图像处理领域相关专家的广泛关注。基于先验形状活动轮廓模型肝脏CT图像分割。当分割目标如肝脏有部分信息被遮挡或受到强噪声污染时，可利用前一切片的信息帮助分割后一切片。本文针对肝脏分割的难点以及肝脏CT序列图像具有空间连续性的特点，提出首先采用双阈值处理和形态学滤波等方法得到肝脏初始区域作为先验形状知识，然后提出一种高效的符号距离函数构建方法，将先验形状通过形状比较函数嵌入到活动轮廓模型中，应用该模型分割肝脏序列图像以及肝脏部分被遮挡图像得到较满意的分割结果。关键词：图像分割；活动轮廓模型；肝脏图像分割基于活动轮廓模型的肝脏图像处理方法研究-II-目录摘要.....................................................................................................................................I1绪论........................................................................................................................................11.1图像分割的意义与现状...........................................................................................11.2图像分割主要方法...................................................................................................11.2.1基于区域图像分割—阈值法........................................................................11.2.2基于边界图像分割........................................................................................21.3活动轮廓模型综述...................................................................................................22活动轮廓模型......................................................................................................................42.1几种主要活动轮廓模型...........................................................................................42.1.1Snake模型.....................................................................................................42.1.2MS模型.........................................................................................................42.1.3CV模型.........................................................................................................42.2变分法和梯度下降流法...........................................................................................52.3水平集方法...............................................................................................................52.3.1发展和基本概述............................................................................................52.3.2变分水平集方法............................................................................................53基于活动轮廓模型的肝脏图像处理....................................................................................63.1研究意义和发展.......................................................................................................63.2研究的难点...............................................................................................................63.3基本研究方法...........................................................................................................73.4算法概述...................................................................................................................73.5肝脏序列图像预处理...............................................................................................73.6肝脏序列图像分割—形态学滤波...........................................................................94反思与总结..........................................................................................................................94.1图像分割研究的难点...............................................................................................94.2创新思路.................................................................................................................10结论..................................................................................................................................11基于活动轮廓模型的肝脏图像处理方法研究–1–1绪论1.1图像分割的意义与现状图像分割旨在将一幅图像的像素分成若干个具有某些相同特征的、统计意义上灰度均匀的子区域，这些特征可以是一个或者多个组合特征，如亮度、颜色、纹理等等。在图像、视频处理和计算机视觉研究领域中，图像分割是一个具有挑战且非常重要的研究课题，其最终目的是将图像中感兴趣目标从背景分割出来。目前己提出的很多图像分割算法，是从某个或某些特征出发提出分割算法，因此大都只能处理某一幅图像或者一系列图像，很难提出一个能处理多种不同类型图像的分割算法。但近年来，研究者提出了许多不同的图像分割算法，并成功应用于不同的实际需求，这些分割算法大致可分为:基于区域图像分割算法、基于边界图像分割算法以及结合区域—边界分割算法。图像分割的应用范围非常广泛，目前已有的应用大致分布在医学临床应用。包括定位肿瘤和其他病灶位置、测量组织体积、帮助确定治疗方案、研究解剖结构、以及开发计算机辅助诊断系统和计算机辅助手术、定位卫星图像中目标、人脸识别、食品质量估计等。1.2图像分割主要方法图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。1.2.1基于区域图像分割—阈值法阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值逐个进行比较，而且像素分割可对各像素并行地进行，分割的结果直接给出图像区域。在许多情况下，物体和背景的对比度在图像中的各处不是一样的，这时很难用一个统一的阈值将物体与背景分开。这时可以根据图像的局部特征分别采用不同的阈值进行分割。实际处理时，需要按照具体问题将图像分成若干子区域分别选择阈值，或者动态地根据一定的邻域范围选择每点处的阈值，进行图像分割。这时的阈值为自适应阈值。基于活动轮廓模型的肝脏图像处理方法研究–2–阈值的选择需要根据具体问题来确定，一般通过实验来确定。对于给定的图像，可以通过分析直方图的方法确定最佳的阈值，例如当直方图明显呈现双峰情况时，可以选择两个峰值的中点作为最佳阈值。1.2.2基于边界图像分割基于边界分割算法是图像分割中最早常用的方法之一，主要基于像素的跳变性或不相似性的分割方法，也可称为基于图像梯度的分割方法。图像中的边缘形状一般是以下四种:阶跃边缘(stepedge)、斜坡边缘(rampedge)、线边缘(lineedge)以及屋顶状缘((roofedge)，实际图像中，阶跃边缘变成斜坡边缘，线边缘变成屋顶状边缘，由于低频成分及感知器材引入的平滑效果，使得陡峭的不连续性很少在实际信号中出现。常见的边界检测算子有:Robert,Sobel和Laplace算子等，这些算子可以用于