基于區(qū)域增長的可視人彩色圖像分割

   關(guān)鍵詞：區(qū)域生長 可視人 彩色圖像分割

人體可視化研究是20世紀(jì)后期興起的一項信息技術(shù)與醫(yī)學(xué)學(xué)科相互交叉、綜合發(fā)展鹽業(yè)的世界前沿性研究領(lǐng)域，是將成千上萬個人體斷面數(shù)據(jù)信息在計算機(jī)里整合、重建成人體的三維立體結(jié)構(gòu)圖像，構(gòu)成人體形態(tài)學(xué)信息研究的實驗平臺，為開展各種人體相關(guān)研究提供形象而真的模型，具有重大的社會應(yīng)用價值。可視人計劃（Visible Human Project）由美國國家醫(yī)學(xué)圖書館在1989年率先提出，1994年和1995年相繼推出世界首例一男一女兩具冰凍解剖尸體的高精度、高分辨率的真彩組織切片光學(xué)照片并伴有相應(yīng)的CT和MRI圖像作為輔助數(shù)據(jù)集。中國可見化人體計劃于2001年正式啟動，由第三軍醫(yī)大學(xué)可視人體計劃研究目組在2002年和2003年推出了中國首例男女尸體數(shù)據(jù)集。該數(shù)據(jù)集較之美國具有更小切片間距、更高分辨率以及更大容量的優(yōu)點。目前人體可視化研究進(jìn)入到對人體及組織器官的重建和理解階段，其中對真彩圖像的組織器官的成功分割是該項目能否順利進(jìn)行的核心環(huán)節(jié)，同時也是目前最挑戰(zhàn)性的問題。

彩色圖像的分割方法主要包括彩色特片聚類（clustering）、邊緣檢測（edge-based）、區(qū)域生成（region growing）等。其中彩色特片聚類是基于灰度閾值分割的多維擴(kuò)展，通常對每一顏色分量上的直方圖分別采用閾值分割，再將結(jié)果組合起來。但由于彩色直方圖閾值難于確定以及色彩映射導(dǎo)致信息耗散，采用這種方法通常出現(xiàn)聚類相互重疊?；谶吘壍姆椒ㄖ饕抢脠D像中梯度或曲率行等特征的突變來檢測邊界，但對功節(jié)明顯的復(fù)雜醫(yī)學(xué)圖像，其邊緣有連續(xù)性較難保證。區(qū)域生成的方法是目前采用較多、效果較好的一類方法；缺點是對種子點的選取會影響結(jié)果的好壞，但對于完全采用自動分割目前尚屬不易的醫(yī)學(xué)解剖圖像，人工交互選取子點是可行的方法。

本文選取了第三軍醫(yī)大學(xué)可視人數(shù)據(jù)集婦女性尸體胸部數(shù)據(jù)20張，分析了脈沖的顏色和紋理特征。采取了區(qū)域增長的方法，初始種子點由手工選取，并以肺部彩色特征作為增長算法的分割準(zhǔn)則。實驗結(jié)果表明，該方法能較好地分割出肺部區(qū)域。

1 分析

1．1 區(qū)域增長

區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。首先在待分割的每個區(qū)域中選擇一個種子點作為生長的起始點，然后在種子點的領(lǐng)域中搜索那些與種子點的相似特征度滿足指定生長準(zhǔn)則的像素，并與種子點所在區(qū)域合并。此時將新合并的像素作為新的種子點，繼續(xù)以上搜索和合并過程，直到?jīng)]有可以合并的像素為止。

令F表示衡量像素相似程度的特征函數(shù)，Rk代表第k步時生長的區(qū)域，則Rk的區(qū)域特征函數(shù)為F（Rk）。同樣，令當(dāng)前像素為s(i,j)，其特征向量為F（s），區(qū)域增長算法的核心就是比較F（Rk）與F(s)的特征距離是否滿足一定的閾值T。如果|F（Rk）-F(s)|<T，則像素s被合并至Rk+1=Rk+s，否則跳過像素s，搜索下一個相鄰像素。

1．2 彩色特征空間

彩色圖像分割面臨的最大問題，是需要處理五維信息，其中兩維是幾何信息，三維是彩色信息。一個像素的顏色分布可以用彩色空間中三維向量來表示。在計算機(jī)硬件中，彩色圖像用RGB顏色空間來存儲及顯示，而經(jīng)過變化可以得到HSV、XYZ、YIQ等多種顏色空間。其中HSV是面向用戶的一種符合主觀感覺的色彩模型，更接近于人眼對顏色的感知，Hue表示色度，Saturation表示飽和度，Value表示強度。在對肺部數(shù)據(jù)的分析處理中，發(fā)現(xiàn)真彩圖像中肺部區(qū)別于胸部其它器官的主要特征表現(xiàn)在V=（R+G+B）/3分量均值和方差都相對較小，說明肺部區(qū)域具有V分量較大相似度。因此將用像素的強度特征分量作為判斷法則，RGB顏色空間向SHV顏色空間轉(zhuǎn)換公式如下：

s=1-{3