劉晨星，張海英，楊 浩

(1.中國科學(xué)院微電子研究所 健康電子研發(fā)中心, 北京 100029；2.中國科學(xué)院微電子研究所 新一代通信射頻芯片技術(shù)北京市重點實驗室，北京 100029；3.中國科學(xué)院大學(xué) 微電子學(xué)院，北京 100029)

基于Perona-Malik方法的GVF Snake模型在舌像分割中的應(yīng)用

劉晨星1，2，3，張海英1,2，楊 浩1,2

(1.中國科學(xué)院微電子研究所 健康電子研發(fā)中心, 北京 100029；2.中國科學(xué)院微電子研究所 新一代通信射頻芯片技術(shù)北京市重點實驗室，北京 100029；3.中國科學(xué)院大學(xué) 微電子學(xué)院，北京 100029)

采用Snake模型進行舌像分割雖然能夠快速地得到舌體輪廓信息，但是Snake模型對于噪聲和外部圖像能量十分敏感，特別是舌頭顏色與嘴唇以及面部顏色相近，分割時容易丟失重要信息。為了能夠有效地將這些信息分離得到準確的舌體輪廓，提出了一種改進的Snake模型。該模型首先引入Perona-Malik方法來處理原始圖像的邊緣信息，強化模糊輪廓界線，再計算得到舌體區(qū)域的梯度能量場，以此作為Snake模型的外部能量部分，得到最終的Snake輪廓曲線。實驗表明，使用改進的模型可以得到包含更多邊緣信息的舌體圖像，特別是顏色相近或者輪廓線不規(guī)則的舌體圖像效果更加明顯。

Snake；Perona-Malik；GVF；舌診；圖像分割

0 引言

在傳統(tǒng)中醫(yī)“四診”中，望診為首，而在望診中又以舌診為主要辨證手段之一。但是舌診主要依靠醫(yī)生長期的經(jīng)驗作為判斷依據(jù)，具有很強的主觀性，不利于客觀且標準化的掌握。因此,中醫(yī)舌診客觀化成為了近年來對中醫(yī)現(xiàn)代化的研究重點之一。

舌診客觀化研究中的一個非常重要的環(huán)節(jié)就是利用計算機對采集的舌圖像進行圖像分析。在這些基于圖像處理技術(shù)的舌象分析系統(tǒng)[1]中, 目前圖像分割常用方法有閾值分割、區(qū)域增長、區(qū)域分裂、空間聚類、動態(tài)輪廓法等[2-4]。但各自都存在著優(yōu)點和缺點,并沒有一種完善的方法。

由Kass[5]提出的動態(tài)輪廓模型又叫Snake模型，該模型也被用于舌圖像輪廓提取和分割中。Snake模型[6-8]定義了一條能量曲線，該曲線是針對特征目標的初始輪廓曲線。Snake模型通過不斷迭代，在初始輪廓曲線的內(nèi)部能量和外部能量的共同作用下，將初始輪廓曲線逼近目標輪廓曲線。然而，傳統(tǒng)的Snake模型存在著很多的缺點，比如無法逼近極凹的輪廓內(nèi)部，能量曲線容易得到局部極值解等。針對傳統(tǒng)Snake模型存在的這些缺點，提出以下改進的方法。引入Xu等提出的梯度向量流(Gradient Vector Flow, GVF)模型[6，8]，該模型對圖像的外力場進行了優(yōu)化，通過新的外力場與原圖像內(nèi)力的平衡來得到最終的目標輪廓曲線。然而，原始Snake模型是線性尺度空間，該空間有一個缺陷：圖像的擴散過程是各向同性的，也就是說任意的像素點在任意方向的擴散速度都相同，結(jié)果就是圖像邊緣變得模糊，邊界信息不完整。因此，引入Perona[9]等提出的各向異性方程對GVF模型中的熱擴散方程進行了改進，使得圖像在各個方向上的擴散速度各不相同。

根據(jù)上述分析，本文針對舌診中對于舌圖像輪廓的提取提出了一種基于Perona-Malik方法和改進的Snake 模型相結(jié)合的圖像分割算法。此算法不僅較好地解決了傳統(tǒng)Snake模型的缺點，而且改進了舌圖像邊緣模糊的問題，從而提高了舌圖像分割的精度。

1 GVF Snake模型

1.1 Snake模型

Snake模型是一種參數(shù)化的動態(tài)能量極小化曲線。Snake模型的能量框架包括內(nèi)能、約束能和圖像能，根據(jù)先驗知識用能量函數(shù)將圖像數(shù)據(jù)通過能量場的形式進行處理。Snake模型的思想是：通過求圖像中的能量泛函的極小值，從而獲得有效的特征目標輪廓信息，以進一步進行處理。

由Kass提出的Snake模型如下式所示:

其中，Esnake表示總能量，Eint表示內(nèi)能，Eext表示外部圖像能，Econ表示約束條件。內(nèi)能表示輪廓的拉伸和彎曲程度；外部圖像能表示目標輪廓與圖像梯度的擬合程度；約束條件是根據(jù)實際需要進行的預(yù)處理，目的是突出目標特征。

內(nèi)能Eint表示為：

由上式可知，曲線的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)的和越小，曲線內(nèi)能越小。其中α(s)、β(s)分別為Snake模型的彈性系數(shù)和剛度系數(shù)。

外部圖像能Eext控制Snake模型曲線逼近真實的目標輪廓。外部能量通常表示為：

其中，I(x(s),y(s))表示原始圖像。

綜上所述，總能量Esnake可表示為：

其中，

設(shè)V={v1,v2, …,vN}是Snake初始輪廓上的N個點，則Snake模型的離散形式的總能量表達式為：

其中，

Eext(vi)=γ(vi)Eimage(vi)

傳統(tǒng)的Snake模型對于初始輪廓比較敏感，并且對凹陷程度較大的邊緣輪廓的逼近效果不理想。因此，考慮引入GVF進行進一步的優(yōu)化。

1.2 GVF算法

基于GVF的Snake模型通過對外場力的優(yōu)化來逼近目標輪廓，也就是通過極小化外力場的能量泛函來達到優(yōu)化目的[7-8]，外力場能量泛函定義如下：

其中,(x,y)為像素的坐標,μ為加權(quán)系數(shù),ux，uy，vx，vy是u、v分別對x、y的一階偏導(dǎo)；f是邊緣函數(shù)。

應(yīng)用變分法得到歐拉方程，如下所示：

通過將u、v看作時間的函數(shù)可以得到：

基于GVF的Snake模型的外力場的作用范圍遠大于傳統(tǒng)Snake力場，在逼近目標輪廓時具有更大的搜索范圍。并且基于GVF的Snake模型解決了原始Snake模型對活動輪廓初始位置敏感的問題，能夠很好地逼近極凹目標輪廓，有效地減弱了原始輪廓位置的影響。

2 Perona-Malik模型

Perona-Malik模型的思想就是在非特征目標輪廓的區(qū)域內(nèi)進行平滑，減少干擾；而在特征目標輪廓的區(qū)域或區(qū)域之間即特征目標邊緣或邊界處減少多余的平滑或不做平滑。Perona-Malik模型的各向異性偏微分方程如下：

u(x,y,0)=f(x,y)

式中，f(x,y)是原始圖像函數(shù)，c(s)是圖像擴散系數(shù)，滿足以下條件:

Perona和Malik[10]給出的擴散率函數(shù)為：

c(s)=e-(s/k)2或c(s)=1/(1+(s/k)2)

其中，k是噪音估計因子。

Perona-Malik模型在圖像邊界和非邊界區(qū)域的擴散速度是不一樣的，是各向異性的擴散方程。圖像邊緣處對應(yīng)的s比較大，c(s)較小，則擴散速度慢，從而保留了圖像邊界信息；在圖像變化慢的區(qū)域則相反，s較小，c(s)較大，擴散速度較快。這樣一來，邊緣區(qū)域?qū)?yīng)的梯度較高，則在該區(qū)域減少平滑或者不進行平滑處理。在模糊圖像的同時還有效地保留了圖像的邊緣信息。本文采用4鄰域離散形式的各向異性擴散方程，如下式：

式中ηs代表中心像素s的四鄰域。us,p代表中心像素的四鄰域圖像函數(shù)。

引入各向異性擴散方程用于舌圖像的預(yù)處理，既能模糊圖像，還能有效地保留圖像的邊界信息?；舅枷胧牵簩εc特征目標輪廓邊緣的方向相平行的區(qū)域進行較強的平滑，而沿圖像邊緣的法線方向的平滑效果則比較弱。但是，在用Perona-Malik模型預(yù)處理舌圖像的過程中，可能會出現(xiàn)“塊效應(yīng)”[10]。因此應(yīng)當適當?shù)剡x擇迭代次數(shù)，避免在邊緣處的“塊效應(yīng)”擴散，“腐蝕”了無效的舌面或者人臉信息，導(dǎo)致輪廓曲線變得扭曲。

3 實驗結(jié)果

為了驗證方法的有效性，在MATLAB R2016b開發(fā)平臺中實現(xiàn)了本文描述的處理算法，并對采集的舌像進行了輪廓提取，如圖1所示。

圖1(a)為原圖像，(b)為Snake模型得到的輪廓曲線，可以看出，Snake模型對于有齒痕的舌輪廓的逼近仍有一定缺陷，雖然整體輪廓比較貼合，但是對于因齒痕導(dǎo)致的不規(guī)則舌體輪廓還是做了“平滑”處理，比如舌體左側(cè)以及舌尖處的輪廓都被“平滑”處理了。圖(c)為加入了GVF后的Snake模型，通過對比圖(b)與圖(c)可以看出，GVF的優(yōu)化使得舌尖處的變化得到了準確捕捉，并且舌根部的輪廓更加深入。圖(d)則是經(jīng)過PM方法處理后的Snake模型曲線，可以看出，不僅舌尖處能夠準確包絡(luò)，并且舌體兩側(cè)的齒痕也能準確貼合，得到的輪廓凹凸明顯。圖(e)是經(jīng)過PM方法處理后的圖像的邊緣能量圖，白點代表區(qū)域能量極值點，也即舌體邊緣與面部及嘴唇之間的區(qū)別很明顯，有利于Snake模型對于舌體輪廓的捕捉。圖(f)是經(jīng)過PM方法處理后的梯度力場分布，可以看出，經(jīng)過PM方法處理后在邊緣處附近的力場分布更加兩極化，突出了輪廓的特征信息。圖(g)是梯度分布圖，明顯可以看出，圖中梯度極值處準確對應(yīng)舌體的邊緣。

圖1 Perona-Malik方法應(yīng)用結(jié)果對比

4 結(jié)論

本文對舌像輪廓提取的方法進行了研究，提出了結(jié)合Perona-Malik方法的GVF Snake模型。該模型以Perona-Malik方法處理舌體圖像，通過優(yōu)化熱傳導(dǎo)方程的方式來優(yōu)化外部圖像能，由此優(yōu)化GVF的力場，從而優(yōu)化了Snake模型對于不規(guī)則的舌體輪廓的逼近。

因為在算法的實現(xiàn)過程中需要不斷地迭代計算，因此算法在時間上還存在不足之處。另外，閾值還需要手動選取，這是因為不同舌像之間的差別較大導(dǎo)致的。

[1] 王愛民.用于舌診客觀化的圖像分析技術(shù)的研究[D].北京:北京工業(yè)大學(xué),2001.

[2] 汪強,鄒北驥,朱建凱.高可信度圖像修復(fù)方法[J].計算機應(yīng)用， 2010,30(5): 1331-1332,1401.

[3] 周越,沈利,楊杰.基于圖像處理的中醫(yī)舌象特征分析方法[J].紅外與激光工程,2002,31(6):490-494.

[4] 孫場,羅瑜,周昌樂,等.一種基于分裂—合并方法的中醫(yī)舌象區(qū)域分割算法及實現(xiàn)[J].中國圖象圖形學(xué)報,2003,8(12):1395-1399.

[5] KASS M, WITKIN A, TERZOPOULOS D. Snakes: active contour models [J]. International Journal of Computer Vision, 1988, 1(4):321-331.

[6] TSECHPENAKIS G,RAPANTZIKOS K,TSAPATSOULIS N, et al. A snake model for object tracking in natural sequences[J]. Signal Processing Image Communication, 2004, 19(3):219-238.

[7] Cheng Jinyong, Xue Ruojuan, Lu Wenpeng. Segmentation of medical images with Canny operator and GVF snake model[C]. World Congress on Intelligent Control & Automation, 2008,13(9):1777-1780.

[8] 邱書波, 王化祥, 梁志偉. 一種新的B-Snake 算法在目標輪廓跟蹤中的應(yīng)用[J] . 中國圖象圖形學(xué)報, 2005, 10(5):585-589.

[9] ATLAS A, KARAMI F, MESKINE D. The Perona-Malik inequality and application to image denoising[J] . Nonlinear Analysis: Real World Applications, 2014, 18(1):57-68.

[10] DUCHEMIN L, EGGERS J. The Explicit-Implicit-Null method: Removing the numerical instability of PDEs[J]. Journal of Computational Physics, 2014 , 263(4):37-52.

Application of GVF Snake model based on Perona-Malik algorithmin segmentation of tongue image

Liu Chenxing1,2,3, Zhang Haiying1,2, Yang Hao1,2

(1. R&D Center of Healthcare Electronics, Institute of Microelectronics of Chinese Academy of Sciences, Beijing 100029, China; 2. Beijing Key Laboratory of Radio Frequency IC Technology for Next Generation Communications, Institute of Microelectronics of Chinese Academy of Sciences, Beijing 100029, China; 3. School of Microelectronics, University of Chinese Academy of Sciences, Beijing 100029, China)

Using the Snake model on tongue image segmentation can get tongue contour information quickly, but the Snake model is very sensitive to image noise and the external force, especially the color of tongue and lips is similar, also the face, and it’s easy to lose important information of tongue during the segmentation. In order to effectively separate these information and obtain the tongue contours accurately, an improved Snake model is proposed. This model firstly uses the Perona-Malik method to deal with the edge information of original image, highlights the fuzzy boundary contour, and then calculates the gradient vector field of tongue area, as the part of the external force of the Snake model, and obtains the Snake contours eventually. The experimental results show that the improved model can be used to obtain the tongue images with more edge information, especially better at the tongue images with similar color or irregular contours.

Snake; Perona-Malik; GVF; tongue diagnosis; image segmentation

TP751

A

10.19358/j.issn.1674- 7720.2017.15.027

劉晨星，張海英，楊浩.基于Perona-Malik方法的GVF Snake模型在舌像分割中的應(yīng)用[J].微型機與應(yīng)用，2017,36(15)：94-96，102.

2017-03-15)

劉晨星 (1990-)，男，碩士，主要研究方向：計算機科學(xué)與技術(shù)。

張海英(1964-)，女，研究員，博士生導(dǎo)師，主要研究方向：微電子和現(xiàn)代通信技術(shù)在醫(yī)療健康領(lǐng)域的應(yīng)用研發(fā)。

楊浩(1978-)，男，副研究員，碩士生導(dǎo)師，主要研究方向：新型健康電子設(shè)備。