多阈值优化交互式分割算法及其在医学图像中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇多阈值优化交互式分割算法及其在医学图像中的应用范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：

针对交互式图像分割方法对边界模糊的医学图像进行分割时通常需要用户标记较多的初始种子或进行二次交互的不足，提出了一种简化标记的多阈值优化交互式分割算法。该算法在Vladimir等人提出的GrowCut交互式算法基础上通过引入图像灰度直方图的多个阈值自动生成初始种子模板，并利用改进的细胞自动机迭代算法实现图像分割。算法简化了用户操作，提高了分割精度。应用该算法分别对临床100张肝脏图像和牙菌斑图像进行分割，结果显示了该算法的良好性能。

关键词：

交互；多阈值；灰度直方图；细胞自动机；医学图像分割

0引言

交互式图像分割的研究目的就是通过尽可能简便而直观的人机交互，快速准确地提取出图像中用户感兴趣的前景物体。它可以弥补全自动分割由于缺少先验知识或用户交互等因素造成的分割不精确等问题[1]，因而交互式图像分割方法正在成为越来越流行的研究热点。

交互式分割因其标记方法的不同可以分为两类：一类是基于边界的局部方法，如智能剪刀（Intelligent Scissors）[1]算法、Snake[2-3] 算法等；另一类是基于种子点的全局方法，如Lazy Snapping[4] 算法、图割（GraphCut）[5] 算法和GrabCut[6] 算法等。基于边界的方法以图像前景的边界为出发点，要求用户使用一条曲线大致标明边界位置，然后算法根据图像的特征对曲线进行优化，进而提取出前景物体边界[1-3]。基于种子点的方法不需要用户标记整个前景物体的轮廓，只需在前景和（或）背景区域内粗略地标记一些种子点，系统根据这些种子点利用后台的全局优化算法提取出目标边界[4-6]。

细胞自动机（Cellular Automata，CA）[7]是由Von Neumann于1966年提出的一个在时间和空间上离散的非线性动力学模型，它能够通过简单的行为规则实现复杂计算。基于细胞自动机的图像处理方法自被提出以来已广泛应用于各种应用领域的动态系统中，包括图像去噪和边缘检测等[8]。2006年Vezhnevets等提出了基于细胞自动机的交互式图像分割算法，也称GrowCut方法[9]，该方法具有较强的鲁棒性，可以作用于任意维图像，有能力解决较难分割的任务。然而GrowCut算法依赖于用户的初始种子标记，种子点过多或标记不准确直接影响算法的迭代速度和分割效果[10]。为此本文提出一种基于多阈值优化的GrowCut（MutiThreshold GrowCut， MTGC）算法，多阈值方法可以融合图像自身信息，具有计算量小、性能稳定等特点[11]，采用多阈值方法自动生成初始种子模板，可以简化用户操作，提高GrowCut算法的鲁棒性和分割精度。

4结语

本文针对GrowCut算法中初始种子标记要求用户较多工作量的问题，提出了简化标记、自动生成初始种子模板的多阈值优化交互式图像分割算法，算法结合了图像像素的灰度信息，简化了用户的操作，提高了算法的分割精度。交互式分割的优点在于可以融合用户的先验知识并提供分割过程中用户的二次交互，使得分割结果更符合用户需求，因而也具有更高的研究和应用价值。不过交互式分割的研究目的是通过尽可能简便而直观的人机交互，快速而准确地提取出目标前景。因此，尽可能使用户通过简明的交互方式对高分辨率图像进行快速准确分割也是未来进一步深化研究的重点。

参考文献：

[1]

MORTENSEN E N， BARRETT W A. Interactive segmentation with intelligent scissors[J]. Graphical Models and Image Processing， 1998，60（5）：349-384.

[2]

KASS M， WITKIN A， TERZOPOULOUS D. Snakes： Active contour models[J].Intemational Journal of Computer Vision， 1988，1（4）： 321-331.

[3]

兰红，张璐.分水岭优化的Snake模型肝脏图像分割[J]. 中国图象图形学报，2012，17（7）：873-879。

[4]

LI Y， SUN J， TANG C K， et al. Lazy snapping[J].ACM Transaction on Graphics， 2004，24（3）：303-308.

[5]

BOYKOV Y Y， JOLLY M P. Interactive graph cuts for optimal boundary and region segmentation of objects in ND images[C]// ICCV 2001： International Conference on Computer Vision.Vancouver， Canada： IEEE， 2001：105-112.

[6]

ROTHER C， KOLMOGOROV V， BLAKE A. GrabCut ― Interaetive foreground extraction using iterated graph cuts[J]. ACM Transactions on Graphics，2004，24（3）：309-314.

[7]

von NEUMANN J. Theory of selfreproducing automata [M]. UrbanaChampaign，Illinois， USA：University of Illinois Press，1966

[8]

THOMAS C D. Evolution of cellular automata for image processing[D].Birmingham， UK：University of Birmingham， 2000

[9]

VEZHNEVETS V， KONOUCHINE V. GrowCut-interactive multilabel ND image segmentation by cellar automata[C]// Graphicon2005. Novosibirsk Akademgorodok， Russia： [s.n.]， 2006：231-234.

[10]

GHOSH P， ANTANI S K， LONG R，et al.Unsupervised GrowCut： cellular automatabased medical image segmentation[C]// 2011 First IEEE International Conference on Healthcare Informatics， Imaging and Systems Biology. Washington， DC： IEEE Computer Society， 2011：40-47.

[11]

张新明，李振云，郑颖. 融合Fisher准则和势函数的多阈值图像分割[J]. 计算机应用，2012，32（10）：2843-2847.

[12]

康家银，纪志诚. 利用FCM聚类结合直方图分析进行牙菌斑量化[J]. 计算机工程与应用，2010，46（20）：213-215.