基于纹理合并的医学图像分割-1

1、基于纹理合并的医学图像分割1 确定分割后得到的不同区域，2 计算所有相邻区域的 和定义阀值3 如果，那么将两个区域合并4 合并所有满足条件3的区域并计算合并后区域的数量，5 如果，结束整个合并过程，否那么，返回计算过程22 试验结果及分析 (a) 原始图像 (b) 直接分割结果(c) 文献【6】分割合并结果 (d) 本文分割合并结果 (e) 原始图像(f) 直接分割结果 (g) 文献【6】分割合并结果 (h) 本文分割合并结果图 1 不同方法的分割图像Fig. 1 Segmentationresults obtained using different methods本文的研究对象主要是针对医

2、学图像的分割，我们选取两幅医学MR图像来检验本文提出算法的有效性，图像的大小分别为、。同时，本文选取同是采用分水岭算法的文献【6】作为比拟。图c、图g是采用文献【5】的方法得到的分割结果。由于文献【6】抽取不同的纹理特征系数构成代价函数，将满足代价函数的分块合并。博士论文，分水岭算法。两幅图中都不同程度的存在着误分割和漏分割的问题。相比之下，本文采用区域分块的纹理相似性作为合并的依据更具有合理性。算法得到的分割结果：如图d、图h所示，能够真实的反映目标的实际轮廓，减少误分割。虽然分割块数较为接近，本文分割更加科学合理。本文用纹理合并算法对分割后的图像进行合并时，使用了Haralick纹理和最大

3、互信息相结合的方法。首先，将灰度图像量化为较少的几个灰度级，在本文中选取了8个灰度级，所以得到的纹理灰度共生矩阵是的矩阵。然后，根据最大互信息准那么对相邻区域的纹理灰度共生矩阵进行合并操作。在此过程中，灰度级的选取对最终的合并结果有重要影响。分割后分块较小的图像，应该选取较小的灰度级。因为较大的灰度级意味着纹理灰度共生矩阵的值会比拟稀疏，不利于纹理相似性合并。分割后分块较大的图像，应该选取较大的灰度级，有利于合并的精确性。因此，需要根据图像分割后的实际情况合理的选那么灰度级。分割结果如表1所示： 分割图像3 像素大小 文献【6】分割块数 本文算法分割块数 图像(a) 9 7 图像(e) 8 9

4、 表 1不同方法的分割比拟Table 1 Comparsion of different Segmentation methods3 结论：试验结果说明，图像预处理具有良好的去噪、抑噪效果，方便后续的区域纹理提取及合并。博士论文，分水岭算法。本文从Haralick纹理和最大互信息相结合角度出发，提出基于纹理合并的分水岭分割方法，将分割前图像预处理和分割后纹理合并相结合，有效的解决了过分割问题，分割图像也具有较好的完整性和精确性。由于纹理和最大互信息相结合提高了算法的复杂度，尤其随着灰度级选取的级数增加，计算量将会提高。博士论文，分水岭算法。今后的研究可以就如何进一步提高算法的效率提出改良。参考

5、文献【1】罗慧韬,章毓晋.一个图像分割评价事例及讨论. 数据采集与处理,1997,12(1)：18-22.【2】Grau V, Mewes A U J, Alcaniz M, R, et al. Improvedwatershed transform for medical image segmentation using prior information.IEEE Transactions on Medical Imaging, 2004,23(4)：447-458.【3】Hamarneh G, Li Xiaoxing. Watershed segmentationusing prior

6、shape and appearance knowledge. Image and Vision Computing, 2007：59-68.【4】Zhong Yong, Xiong Naixue, He Ruhan. A Two-stageImage Segmentation Method Based on Watershed and Fuzzy C-Means. 2021 IEEEAsia-Pacific Services Computing Conference. 2021：1550-1555.【5】Cai W, Chen S, Zhang D. Fast and robust fuzz

7、yc-means clustering algorithms incorporating local information for imagesegmentation. Pattern Recognition, 2007,40(3)：825838.【6】Ng1 H P, Huang1 S.Medical Image Segmentation Using Watershed Segmentation with Texture-BasedRegion Merging. 30th Annual International IEEE EMBS Conference Vancouver. Britis

8、h Columbia, Canada： IEEE Press, 2021：20-24.【7】Eggermont J, Li R, Bovenkamp E, et al. Optimizing computedtomographic angiography image segmentation using fitness based partitioning.in Applications of Evolutionary Computing, ser. Lecture Notes in ComputerScience. Berlin, Germany： 2021：275284.刘喜英,吴淑泉.基于改良分水领算法的医学图像分割的研究. 微电子技术, 2003,8：39-42.Vincent L, Soille P. Watersheds in digital spaces： an efficient algorithm based on immersion simulations. IEEETransactions on Pattern Analysis and Machine Intelligence. 1991,13(6)