基于纹理合并的医学图像分割

1、基于纹理合并的医学图像分割论文导读：较好的医学图像分割将有利于医生准确的把握病人的病情。分水岭算法是一种基于数学形态学的图像分割方法。本文提出基于最大互信息准那么的纹理合并方法。最大互信息测度。分水岭算法，基于纹理合并的医学图像分割。关键词：图像分割，分水岭算法，纹理合并，互信息0 引言近些年来，随着医疗技术的快速开展，对于医学图像的处理和分析广泛的应用于手术的术前诊断、术后监测等各种不同领域。医学图像分割技术是医学图像的处理和分析的关键技术之一。较好的医学图像分割将有利于医生准确的把握病人的病情，提高诊断的准确率。为此，医学图像分割也成为近些年来研究的热点，主要的分割方法【1】可以分为：基于

2、阀值的分割方法，基于模型的分割方法，还有基于分水岭技术的分割方法。分水岭算法是一种基于数学形态学的图像分割方法，该方法将图像的灰度值比喻为具有不同高度的地形外表，灰度值较大的区域形成了地形的山峰，灰度值较小的区域形成了地形的盆地。假设让水流从该地形外表流过，其会沿着最陡的斜坡路径流到外表的低洼处，形成积水盆地。相邻积水盆的交界处就构成了分水岭线;。采用分水岭的图像分割方法具有良好的分割性能，但该方法对噪声敏感，由于噪声和梯度的局部不规那么性等因素的影响，造成图像中存在大量隐含的局部凹凸区域。博士论文，分水岭算法。使得在分割过程中很容易造成过分割的问题，将图像中真实轮廓淹没在分割图像中。因此，很

3、多学者对传统的分水岭算法提出了改良，例如：文献引入先验信息减少分水岭算法带来的过分割问题。文献利用分水岭算法与模糊C聚类相结合的方法分割图像，分割质量有一定的提高。在本文中，提出一种基于纹理合并的新方法来解决传统的分水岭算法造成的过分割缺陷。首先，将图像进行预处理并使用分水岭算法对图像进行分割。然后，使用一个基于最大互信息的相似性准那么对分割后的分块区域采用haralick纹理进行合并。这里本文基于的一个假设，属于同一组织结构的不同分块区域应该具有相同或相近的纹理特性。最终的试验结果印证了上述假设的正确性。1 算法描述1.1 图像的预处理和分割分水岭算法最早由L. Vincent和P. Sol

4、lid提出并应用于图像处理中，该分割算法是以图像中区域的像素近乎一致的特点为根底，主要目标是找出分水线。博士论文，分水岭算法。其分割时使用的是梯度图像，由于梯度图像中包含噪声和梯度的局部不规那么性等因素的影响，直接使用分水岭算法分割容易产生过分割问题。一般情况下，先对图像进行去噪和平滑处理，然后再进行分割。以到达在图像处理初期最大程度的减少图像过分割的目的。本文首先对图像进行高斯滤波和sobel滤波，接着设定一个阀值，对于图像中的每个像素点，大于给定阀值的点保存原值，小于给定阀值的点设为零。使分割后的图像消除弱边缘。1.2合并过分割算法在使用分水岭算法之前对图像进行去噪和平滑处理，可以一定程度

5、上消除过分割现象。然后在分割的根底上对图像进行合并处理，进一步去除虚假边缘，保存实际边缘。因此，本文提出基于最大互信息准那么的纹理合并方法。区域的纹理量化是区域描绘的重要方法之一，它能反映图像的平滑度，粗糙度和规律性等特性的相关信息。博士论文，分水岭算法。因此，本文采用Haralick纹理对分割后的区域进行处理。首先，对不同区域分别求取它们的纹理灰度共生矩阵。纹理灰度共生矩阵的定义如下：(1)表示值与值以某种指定的空间关系共同出现的次数，、表示图像像素横坐标和纵坐标的位置，是一个位移量，描述了值为的像素和值为的像素之间的位移关系。纹理灰度共生矩阵是统计相邻两个灰度在图像中同时发生的概率，由于分

6、割区域大小往往是不相等的，相同纹理区域对应的纹理灰度共生矩阵往往也会有较大偏差。因此，将纹理灰度共生矩阵进行归一化处理：(2)互信息是信息论中的一个根本概念，是两个随机变量统计相关性的测度，当两幅图像到达最正确配准时,它们对应像素的灰度互信息应到达最大，说明两幅图像的依赖程度最大。假设两幅图像、，其互信息可以表示为：(3)其中是、的熵， 是联合熵。、相似度越高，其互信息值将越大。在本文中，假设分割后分别得到个不同区域，然后分别对个不同区域求取归一化灰度共生矩阵：(4)对于相邻的两个区域、，如果它们属于同一组织结构，那么它们应具有相同或相近的纹理特性，即具有相同或相近的归一化纹理灰度共生矩阵。即

7、求取它们的最大互信息值：(5)我们设置一个阀值来表示相邻区域的纹理相似程度，当大于时，说明这两个区域可以合并。具体的合并过程如下所述：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 Segmentatio

8、nresults obtained using different methods本文的研究对象主要是针对医学图像的分割，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

9、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

10、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 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

11、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】Hamar

12、neh G, Li Xiaoxing. Watershed segmentationusing prior 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. 2021：155

13、0-1555.【5】Cai W, Chen S, Zhang D. Fast and robust fuzzyc-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 Annua

14、l International IEEE EMBS Conference Vancouver. British 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 imm