3.2 医学图像的分割.PDF

3.2 医学图像的分割 谢耀钦 2003年11月25 日 医学图像处理的主要研究方向 图像分割 图像配准 结构分析 运动分析 医学图像分割的研究意义 结构分析 运动分析 三维可视化 图像引导手术 肿瘤放射治疗 治疗评估 以上研究都是假设已对图像做了准确分割的，或者说都 是以图像分割为基础的。 医学图像分割是正常组织和病变组织的三维重建、定量 分析等后继操作的基础，也是临床医学应用的瓶颈 分割的准确性对医生判断疾病的真实情况并做出正确的 诊断计划至关重要。 医学图像分割的难点 医学图像的多样性和复杂性 医学图像存在一定的噪音 图像中目标物体部分边缘也有可能局部不清晰 图像分割方法的两大体系 以计算机为单一执行者的自动分割方法 自动分割方法的指导思想是追求完全由计算机 自主完成目标的分割任务，而不需要人的参与。 但是，目前计算机自主分割的结果不能令人满 意，准确性不能满足医学图像的应用要求。 人机结合的交互式分割方法 对人机交互过于依赖又是实际应用不能接受 的。 目前在自动分割方法的研究继续受到关注的同时， 对交互式分割方法的研究也成了医学图像分割的研 究重点。 图像分割的定义 所谓图像分割是指将图像中具有特殊涵义的不同区 域区分开来，这些区域是互相不交叉的，每一个区 域都满足特定区域的一致性。 从处理对象角度来讲分割是在图像矩阵中确定所关 心的目标的定位。 显然，只有用这种方法把“感兴趣的目标物体”从 复杂的景象中提取出来，才有可能进一步对各个子 区域进行定量分析或者识别，进而对图像进行理 解。 图像分割采用的特征 图像灰度 颜色 纹理 局部统计特征 频谱特征等 利用这些特征的差别可以区分图像中不同目标 物体。 既然我们只能利用图像信息中某些部分特征分 割区域，因此各种方法必然带有局限性和针对性， 只能针对各种实际应用领域的需求来选择合适的分 割方法。 分割问题的分类 从图像分割的处理对象这一角度来看，可以将这一 问题划分为两个基本类型的分割问题 • 面向整体区域的整体分割 • 面向边缘的部分分割 整体分割的定义 将一幅图像 g (x ,y ) 进行分割就是将图像 按照一定准则划分为不同的不相关联 g g g 的、非空的子区域 、、 1 2 3 N Ugk (x ,y ) g (x ,y ) • k 1 ，即所有子区域组成了 整幅图像。 • g k 是连通的区域。 • gk (x ,y )Ig j (x ,y ) φ ，即任意两个子区域不 存在公共元素。 g • 区域 满足一定的均匀性条件。均匀性一 k 般指同一区域内的象素点之间的灰度值差异 较小或灰度值的变化较缓慢。 图像分割方法的分类 基于区域的方法：通常利用同一区域内的均一性识别图像中 的不同区域。 边缘分割方法：通常利用区域间不同性质（如区域内灰度不 连续性）划分出各个区域之间的分界线，这类方法通常会导 致不完全的部分分割结果，比如分割结果中存在间断现象或 者得到错误的边缘。 近年来，随着统计学理论、模糊集理论、神经