皮肤黑素细胞肿瘤图像综合分割方法研究

1、皮肤黑素细胞肿瘤图像综合分割方法研究         08-08-23 15:45:00     编辑：studa20                作者：田庆飞， 孟如松， 姜志国， 谢凤英， 赵丹培   【摘要】  目的 本文针对黑素细胞肿瘤（Melanocytic Tumor MT）图像情况复

2、杂，较难分割的问题，提出了一种综合数字图像分割算法，探讨MT的早期诊断。方法 首先应用统计区域融合方法（SRM）实现图像分割成多块纹理一致的区域。然后对图像以HSV彩色空间的H和S 分量为特征，使用K均值聚类算法将图像聚为9类。最后，将聚类结果在HSV彩色空间的H和S分量值分别映射到0，1区间，再分别对H分量和S分量取阈值，得到最终的边界分割结果。结果 对MT图像能够按照其纹理差异将其有效划分为多个区域，较为准确标识出皮损区域。结论 综合对多种方法结果的对比，本方法优于传统的大津阈值法、K均值法和活动轮廓法。同时对过去基于SRM的MT图像分割方法进行了改进，在处理复杂MT图像时效果明显好于传统

3、方法。 【关键词】  统计区域融合； K均值； HSV彩色空间； 黑素细胞肿瘤； 图像分割    Abstract: Object  This paper proposes a synthetic algorithm for the segmentation of Melanocytic Tumor (MT), and discusses about early diagnosis of MT. Method  Firstly, the algorithm of this paper uses statistical region m

4、erging (SRM) to divide MT image into several areas by texture. Then, based on the features of H and S subchannels of HSV color space, this paper uses Kmeans algorithm to classify those areas into nine parts. After that, it normalizes the subchannels and splits the image into two parts separately by

5、the given threshold value 0.6 in H and S subchannels. In the end, the algorithm combines the two subchannels into one and gets the final result.  Result  The algorithm this paper proposes could divide different areas effectively and assist the doctors to diagnose the disease. Conclusion

6、60; Compared with many algorithms, the performance of this algorithm is much better than OTSU, Kmeans and snake algorithms, especially for complicated MT images segmentation.    Key words: statistical region merging; Kmeans; HSV color space; melanocytic tumor; image segmentation 

7、   引言    黑素细胞肿瘤（Melanocytic Tumor MT），由良性和恶性黑素瘤组成。目前，研究者关注最多的是恶性黑素瘤（Malignant Melanoma MM）。随着时间的推移，MM的发病率迅速增长，它已成为皮肤首位致死性疾病之一。目前，最有效的治疗方法仍然是MM的早期诊断加积极有效地切除原发灶，早期的准确诊断与切除对降低死亡率起决定性作用1。而计算机图像的有效分割方法与MM的识别与早期诊断密切相关，所以探索这一方法在临床上具有重要意义。       目前，针对MM

8、的早期诊断方法有：ABCD准则通过检测2来确定MM的早期诊断。7点检测表法 3 列出了3个强特征和4个弱特征作为早期诊断的标准。上述方法都依赖于对皮损图像的分析数据，获得较好的皮损图像分割结果是取得准确数据进而进行正确诊断的基础和关键。     本文提出了一种针对MM图像的综合图像分割方法。首先，使用统计区域融合算法4将图像划分为多个纹理相同的区域。然后，将图像从RGB彩色空间转到HSV彩色空间，并对其进行K均值聚类。最终对聚类结果的H和S分量分别取阈值得到分割的边界。    1  方法  &#

9、160; 本文按照区域统计融合，HSV彩色空间，K均值的顺序描述了该综合图像分割方法的处理过程。    1.1  区域统计融合    区域统计融合是一种新的图像分割算法（图1）4。该算法分两步：1. 点对排序。将图像按照四邻接两两结合结成点对，选择一个函数对点对的融合代价进行评估。并按照融合代价的有小到大进行排序。2. 按照公式1对排序结果进行图像融合。    公式中R为区域中像素点的个数，为图像总像素个数倒数的16，Q是质量因子，控制融合后的区域个数，Q越大，融合后的区域个数越少，反之，融合后

10、的区域个数越多。在此本文参考M Emre Celei 所提供的Q值-96。    通过SRM算法的处理，可以将图像中纹理相同的区域融合为一个区域，并将该区域的RGB平均值设置为该区域的颜色，从而起到锐化皮损区域过渡边缘的效果，便于进一步的分割。P（R,R）    =trueif |-|b2(R)+b2(R)    falseotherwise    (1)其中，b(R)=g(1/(2Q|R|)ln(|R|/)    需要注意的是，统计区域融合方法难以确定处理结果的区域个数。M Emre Celei6曾使用SRM方法来处理皮损图像。其解决方法是针对图像四周20*20的图像区域进行采样，并建立皮肤背景的颜色模型，最后把肿瘤区域从图像中提取出来。据我们所处理的图像，有些采样图像很难满足其所做的假设。如图一所示，由于图片的拍摄工具的差异，只能取得一个圆形的视野。    1.2  HSV彩色空间    HSV彩色空间是一种常用于皮肤图像分割的彩色