互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

一种新的基于区域增长的ROI分割算法马建林 崔志明 吴 健 张娜敏



  摘要:为克服现有算法带来边缘定位不精确和人工参与太多等缺点,提出了一种新的基于区域增长的适合医学图像中ROI的分割算法。该算法先利用改进的Canny边缘算子进行边缘粗检测,再利用给出的灰度和纹理等信息进行区域增长,最终得到分割图像。为了更好地进行区域增长,新算法通过对ROI中像素的灰度和纹理进行分析,给出结合点向量运算和灰度判断的增长准则。实验结果表明,该方法能对医学图像中复杂区域或畸形区域进行分割,具有很好的鲁棒性与实用性。
  关键词:感兴趣区域;坎尼;医学图像;区域增长;向量运算
  中图分类号:TP391.4文献标志码:A
  文章编号:1001-3695(2008)05-1582-04
  
  图像分割是进行图像识别和理解的基础,也是计算机视觉研究中的核心问题和经典难题之一,其一直以来得到广大研究人员的普遍关注与研究[1]。随着CT、MRI、激光共焦扫描和超声波等成像技术的发展,医学图像越来越多地应用于医生的分析与诊断过程中。对医学图像文件中ROI进行准确的边缘提取和区域分割,是医生确切诊断的重要前提。图像分割就是把图像分成各具特性的区域,并提取出感兴趣目标的技术和过程,分割的含义取决于语境,而分割的结果则更与图像的复杂程度和尺度有关。尽管如今分割方法多种多样,但是没有任何一种图像分割方法能适用于所有图像。由于各种算法对图像的处理都带有一定的针对性和局限性,如何选择适用于当前图像特点的算法,费时又费力,只有通过比较才能解决问题。
  
  一般来说,图像的分割方法可分为两种:a)基于边缘检测方法,如Canny算法[2]。虽然它是一种最优的线性边缘检测算子,但是用基于边缘检测的方法所得到的轮廓线不能保证是封闭的,因此需要进行边缘跟踪处理,这将使得边缘定位不精确。b)基于区域方法,如金字塔方法[3]。该方法中的区域一般事先给定,如正方形区域,但由于物体的轮廓线往往是任意形状的,这种基于固定区域形状的方法,其分割效果依赖于初始形状,分割效果不好。基于上述不足,使用边缘与区域相结合的方法引起了研究人员的重视。本文介绍了一种基于边缘和区域的混合方法,该算法结合图像(或ROI)给出的灰度和纹理等信息,先利用改进的Canny边缘算子进行边缘粗检测,再结合给出的模板与ROI中任意一个像素进行卷积运算,并将值作为点向量的一个元素,最后再结合点的灰度值进行区域增长,最终得到分割图像。实验结果表明,该方法识别率高,得到的图像边缘清晰,而且能对医学图像中复杂区域或畸形区域进行分割,具有很好的鲁棒性与实用性。
  
  1医学图像特性分析
  
  CT 、MRI等影像设备的成像数据反映了人体内部脏器以及病变部位的特征,不同的组织器官在图像中各具有明显的纹理和灰度特征[4]。对同一组织器官而言,其中不同空间位置的子区域所包含的灰度和纹理信息基本相同,从而使得这些区域之间的灰度信息及纹理信息的变化比较一致。 ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017