基于區域增長(cháng)的可視人彩色圖像分割

   關(guān)鍵詞：區域生長(cháng) 可視人 彩色圖像分割

人體可視化研究是20世紀后期興起的一項信息技術(shù)與醫學(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(wàn)個(gè)人體斷面數據信息在計算機里整合、重建成人體的三維立體結構圖像，構成人體形態(tài)學(xué)信息研究的實(shí)驗平臺，為開(kāi)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(huì )應用價(jià)值?？梢暼擞媱潱╒isible Human Project）由美國國家醫學(xué)圖書(shū)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)照片并伴有相應的CT和MRI圖像作為輔助數據集。中國可見(jiàn)化人體計劃于2001年正式啟動(dòng)，由第三軍醫大學(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據集。該數據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(diǎn)。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，同時(shí)也是目前最挑戰性的問(wèn)題。

彩色圖像的分割方法主要包括彩色特片聚類(lèi)（clustering）、邊緣檢測（edge-based）、區域生成（region growing）等。其中彩色特片聚類(lèi)是基于灰度閾值分割的多維擴展，通常對每一顏色分量上的直方圖分別采用閾值分割，再將結果組合起來(lái)。但由于彩色直方圖閾值難于確定以及色彩映射導致信息耗散，采用這種方法通常出現聚類(lèi)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(lái)檢測邊界，但對功節明顯的復雜醫學(xué)圖像，其邊緣有連續性較難保證。區域生成的方法是目前采用較多、效果較好的一類(lèi)方法；缺點(diǎn)是對種子點(diǎn)的選取會(huì )影響結果的好壞，但對于完全采用自動(dòng)分割目前尚屬不易的醫學(xué)解剖圖像，人工交互選取子點(diǎn)是可行的方法。

本文選取了第三軍醫大學(xué)可視人數據集婦女性尸體胸部數據20張，分析了脈沖的顏色和紋理特征。采取了區域增長(cháng)的方法，初始種子點(diǎn)由手工選取，并以肺部彩色特征作為增長(cháng)算法的分割準則。實(shí)驗結果表明，該方法能較好地分割出肺部區域。

1 分析

1．1 區域增長(cháng)

區域生長(cháng)的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構成區域。首先在待分割的每個(gè)區域中選擇一個(gè)種子點(diǎn)作為生長(cháng)的起始點(diǎn)，然后在種子點(diǎn)的領(lǐng)域中搜索那些與種子點(diǎn)的相似特征度滿(mǎn)足指定生長(cháng)準則的像素，并與種子點(diǎn)所在區域合并。此時(shí)將新合并的像素作為新的種子點(diǎn)，繼續以上搜索和合并過(guò)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，Rk代表第k步時(shí)生長(cháng)的區域，則Rk的區域特征函數為F（Rk）。同樣，令當前像素為s(i,j)，其特征向量為F（s），區域增長(cháng)算法的核心就是比較F（Rk）與F(s)的特征距離是否滿(mǎn)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(guò)像素s，搜索下一個(gè)相鄰像素。

1．2 彩色特征空間

彩色圖像分割面臨的最大問(wèn)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(gè)像素的顏色分布可以用彩色空間中三維向量來(lái)表示。在計算機硬件中，彩色圖像用RGB顏色空間來(lái)存儲及顯示，而經(jīng)過(guò)變化可以得到HSV、XYZ、YIQ等多種顏色空間。其中HSV是面向用戶(hù)的一種符合主觀(guān)感覺(jué)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。在對肺部數據的分析處理中，發(fā)現真彩圖像中肺部區別于胸部其它器官的主要特征表現在V=（R+G+B）/3分量均值和方差都相對較小，說(shuō)明肺部區域具有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顏色空間轉換公式如下：

s=1-{3