邊緣檢測算法在醫學(xué)超聲液性病變圖像中的應用
每一次迭代,曲線(xiàn)的變形是為了使如下的能量函數達到最小化:

彈性能量和彎曲能量合稱(chēng)內部力,內部力用于控制輪廓線(xiàn)的彈性形變,選取適當的參數α(s)和β(s)將能量函數ESnake極小化,所對應的v(s)就是對物體的分割。在能量函數極小化過(guò)程中,彈性能量迅速把輪廓線(xiàn)壓縮成一個(gè)光滑的圓,彎曲能量驅使輪廓線(xiàn)成為光滑曲線(xiàn)或直線(xiàn),而外部力則使輪廓線(xiàn)向圖像的高梯度位置靠攏,基本Snake模型就是在這3個(gè)力的聯(lián)合作用下工作的。
1.4.2 改進(jìn)的Snake模型
基本Snake模型在應用的時(shí)候存在一些缺陷:
(1)要求初始的輪廓線(xiàn)必須與目標邊緣非常的接近,這是因為能量函數往往會(huì )收斂到一個(gè)非期望的局部最小值,如果初始的輪廓線(xiàn)離目標較遠,就會(huì )使曲線(xiàn)變形到一個(gè)無(wú)法預計的形狀;
(2)基本Snake模型對無(wú)法捕獲凹陷邊界。這樣就限制了Snake模型應用到一些存在凹陷區域的圖像上。
近年來(lái),針對以上缺陷,許多研究不僅對Snake模型本身的能量函數構造和求解算法作了很大改進(jìn),更在其基礎上衍生出了許多新輪廓線(xiàn)模型,它們有些在形式上已經(jīng)與基本Snake相去甚遠,而且也要復雜得多,但其指導思想卻是一脈相承的。比如,Cohen提出了一種氣球力理論,通過(guò)使用不同尺度的外力場(chǎng),增加外力場(chǎng)的捕捉范圍,來(lái)驅動(dòng)輪廓線(xiàn)向目標邊緣逼近。XuChenyang提出的GVF Snake將梯度矢量場(chǎng)(GVF)代替傳統外力場(chǎng),讓曲線(xiàn)隨著(zhù)圖像凹陷的部分而發(fā)生變形,圈出凹陷的邊緣,由于GVF對輪廓線(xiàn)的初始位置不是非常的敏感,尤其對于二值圖像,所以它可以很快的收斂到目標邊緣,很好地解決了這些問(wèn)題。
GVF Snake將基本Snake的外部力用擴散方程進(jìn)行處理,得到整個(gè)圖像域的梯度向量場(chǎng)作為外部力,經(jīng)過(guò)擴散方程處理后的GVF更加有序,更能體現物體邊界的宏觀(guān)走勢。由于GVF不是一個(gè)表達式,無(wú)法用能量函數的形式求解,因此GVF Snake是利用力的平衡條件進(jìn)行優(yōu)化,GVF Snake具有更大的搜索范圍,對輪廓線(xiàn)初始位置不敏感,可以分割凹陷的邊界,對梯度絕對值的大小乃至噪聲具有更好的魯棒性,而且它還不必預先知道輪廓線(xiàn)是要膨脹還是收縮。
本文將改進(jìn)的GVF Snake模型應用于醫學(xué)超聲液性病變圖像中,并與其他的邊緣檢測方法進(jìn)行比較分析。
2 實(shí)驗結果分析
醫學(xué)超聲診斷出的液性病變多以囊腫為主,常見(jiàn)的囊腫有甲狀腺囊腫、卵巢囊腫、肝囊腫等,這些超聲液性病變圖像灰度變化梯度不大,多見(jiàn)數個(gè)無(wú)回聲區,呈“蜂窩狀”,邊界不清晰。
本文選取兩幅具有代表性的肝囊腫、甲狀腺囊腫超聲液態(tài)病變圖像,用不同的邊緣檢測算法對其進(jìn)行處理,實(shí)驗結果如圖2,圖3所示。本文引用地址:http://dyxdggzs.com/article/193780.htm
評論