亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于NLM的雙水平集醫(yī)學(xué)圖像分割算法

        2018-07-06 06:08:34朱家明唐文杰
        無(wú)線電通信技術(shù) 2018年4期
        關(guān)鍵詞:水平模型

        徐 麗,朱家明,唐文杰

        (揚(yáng)州大學(xué) 信息工程學(xué)院,江蘇 揚(yáng)州 225127)

        0 引言

        隨著醫(yī)學(xué)圖像數(shù)量的增加,使用計(jì)算機(jī)來(lái)對(duì)它們進(jìn)行處理和分析變得非常必要[1]。一直以來(lái),圖像分割[2]在醫(yī)學(xué)圖像處理過(guò)程中都是至關(guān)重要的一步。基于能量的幾何式活動(dòng)輪廓模型(GAC)[3]常被應(yīng)用在圖像分割過(guò)程中,GAC模型可以用連續(xù)曲線來(lái)表達(dá)目標(biāo)邊緣,但無(wú)法準(zhǔn)確分割含噪聲圖像。水平集方法是解決曲線演變問(wèn)題的經(jīng)典方法, Chan和Vese[4]在2002年提出了多相水平集方法,即利用N個(gè)水平集函數(shù)表示2N個(gè)區(qū)域。由于受到技術(shù)限制和光照不均等影響,醫(yī)學(xué)MR圖像[5]在傳輸過(guò)程中會(huì)讓圖像帶有噪聲;并且受設(shè)備本身,目標(biāo)偽影[6]等影響,出現(xiàn)了圖像灰度不均勻[7]的問(wèn)題,而傳統(tǒng)C-V模型不能夠有效地分割具有灰度不均的圖像。

        對(duì)于醫(yī)學(xué)MR圖像中含有高噪聲的問(wèn)題[8],一直以來(lái),許多學(xué)者都為此做了很多的研究工作。1999年,非局部相似性被Alexei Efros和Thomas Leung[9]用來(lái)合成紋理、填補(bǔ)圖像中的小洞,但是該算法以花費(fèi)大量時(shí)間為代價(jià)來(lái)獲取一個(gè)好的去噪結(jié)果。圖像去噪[10]一般作為圖像的預(yù)處理過(guò)程,本文提出了一種基于非局部均值[11]的去噪算法(Non-local means,NLM),主要針對(duì)醫(yī)學(xué)MR圖像中存在的高斯噪聲,利用該去噪算法對(duì)圖像進(jìn)行預(yù)處理。

        灰度不均的問(wèn)題在醫(yī)學(xué)MR圖像中是很常見的問(wèn)題,在之前的工作中[12],已利用雙水平集(Double level set,簡(jiǎn)稱DCV)模型的優(yōu)點(diǎn),通過(guò)在傳統(tǒng)DCV[13]中加入偏移場(chǎng)能量項(xiàng)的方法來(lái)解決圖像灰度不均的問(wèn)題。

        1 非局部均值去噪算法

        設(shè)k={k(i)|i∈I}為目標(biāo)圖像,其中I為圖像域;i為I中任意的一個(gè)像素點(diǎn),則非局部均值算法可由下式表示:

        NL[k](i)=∑ω(i,j)k(j),j∈I,

        (1)

        (2)

        式中,a>0為高斯核函數(shù)的標(biāo)準(zhǔn)差。則權(quán)重計(jì)算公式如下:

        (3)

        ω(i,j)=max(ω(i,j),?i≠j)。

        (4)

        由以上公式可知,假設(shè)原始圖像大小為N×N,則需要對(duì)鄰域進(jìn)行N2(N2-1)/2次比較,假設(shè)鄰域的大小為d×d,那么這將大大加大程序的計(jì)算量,此時(shí)計(jì)算復(fù)雜度高至o(N4d2)。本文將引用Liu等人[14]提出的快速非局部均值算法,利用此算法可將去噪算法的復(fù)雜度降低至o(N2lgd2),對(duì)比圖如圖1所示。

        圖1 Lena圖

        2 改進(jìn)型雙水平集分割算法

        2.1 雙水平集模型描述

        本文模型采用雙水平集進(jìn)行四相分割,即用兩個(gè)水平集表示4個(gè)不同的區(qū)域。定義水平集函數(shù)φ1和φ2分割四個(gè)區(qū)域,互不重疊的四個(gè)區(qū)域分別如圖2:{φ1>0,φ2>0},{φ1>0,φ2<0},{φ1<0,φ2>0}, {φ1<0,φ2<0}。

        圖2 四相分割區(qū)域劃分圖

        定義能量函數(shù)如下:

        (5)

        (6)

        根據(jù)歐拉拉格朗日方程以及梯度下降流[15],可求得水平集函數(shù){φ1,φ2}演化方程如下:

        (7)

        Li提出在能量函數(shù)ε(φ)中增加能量懲罰項(xiàng)p(φ):

        (8)

        水平集函數(shù)在每一次迭代過(guò)程中需重新進(jìn)行初始化[16-18],而能量懲罰項(xiàng)的增加避免了這一問(wèn)題,提高了計(jì)算效率。則能量函數(shù)可更新為如下:

        (9)

        式中,ν為能量懲罰項(xiàng)的系數(shù)。在不考慮圖像數(shù)據(jù)項(xiàng)的作用下,可求得兩條水平集函數(shù){φ1,φ2}演化方程如下:

        (10)

        2.2 偏移場(chǎng)的擬合

        在之前的工作中,已經(jīng)詳細(xì)介紹了偏移場(chǎng)擬合[19-20]的過(guò)程。圖像的四個(gè)區(qū)域分別可以用水平集函數(shù)表示成M1=H(φ1)H(φ2),M4=(1-H(φ1))(1-H(φ2)),M2=H(φ1)(1-H(φ2)),M3=(1-H(φ1))H(φ2)。

        (11)

        能量方程可以寫成:

        (12)

        在不考慮能量懲罰項(xiàng)和圖像數(shù)據(jù)項(xiàng)的作用下,可求得兩條水平集函數(shù){φ1,φ2}演化方程如下:

        (13)

        能量函數(shù)公式更新如下:

        (14)

        模型邊界特征公式如下:

        (15)

        兩條水平集函數(shù){φ1,φ2}演化方程更新如下:

        (16)

        2.3 算法流程

        算法具體步驟如圖3所示。讀取原始圖像后,先利用NLM算法對(duì)待處理的圖像進(jìn)行圖像去噪,再對(duì)相關(guān)參數(shù)進(jìn)行設(shè)置利用雙水平集分割算法對(duì)處理過(guò)的圖像進(jìn)行分割。

        圖3 算法流程圖

        3 實(shí)驗(yàn)結(jié)果與分析

        本文實(shí)驗(yàn)環(huán)境:MATLAB 2014a,PC :Windows7,CPU:CORE i5-3230M、2.60 GHz、4.00 G RAM。

        實(shí)驗(yàn)中設(shè)置的相關(guān)參數(shù)具體為:能量懲罰項(xiàng)系數(shù)ν=1,長(zhǎng)度能量項(xiàng)系數(shù)μ=0.001*2552,時(shí)間步長(zhǎng)Δt=0.01,水平集函數(shù)迭代次數(shù)為30次。

        本文選用了3張不一樣的醫(yī)學(xué)MR圖像進(jìn)行圖像處理,每個(gè)圖像均被加上了2%的高斯噪聲。3幅醫(yī)學(xué)圖像去噪效果如圖4所示,從中可以看出本文去噪算法可以有效減小醫(yī)學(xué)圖像中的噪聲干擾。

        圖4 醫(yī)學(xué)MR圖像去噪效果圖

        當(dāng)圖像含有噪聲,且偏移場(chǎng)干擾都變大時(shí),傳統(tǒng)DCV算法的分割效果越來(lái)越差,已經(jīng)無(wú)法有效地處理干擾信息提取出有效的區(qū)域目標(biāo)。故下面用本文提出的改進(jìn)型雙水平集算法處理去噪后的圖像。

        圖5是將上面去噪之后的圖利用本文的改進(jìn)型雙水平集算法處理后的分割效果圖。

        本文算法在分割時(shí),先通過(guò)非局部均值算法取得了較好的降噪結(jié)果;再結(jié)合偏移場(chǎng)矯正,最后利用改進(jìn)型雙水平集算法對(duì)圖像進(jìn)行分割,達(dá)到滿意的效果。

        為了對(duì)醫(yī)學(xué)圖像的分割精度有個(gè)評(píng)判指標(biāo),對(duì)上面三個(gè)圖像的分割結(jié)果采用Jaccard similarity(JS)指標(biāo)進(jìn)行比較分析:

        (17)

        式中,S1表示分割算法分割出的結(jié)果,S2表示由醫(yī)生手動(dòng)得出真實(shí)分割結(jié)果,JS值越大說(shuō)明與醫(yī)生的真實(shí)分割效果越接近,分割效果越好。

        圖5 醫(yī)學(xué)圖像分割效果圖

        本文算法與傳統(tǒng)水平集算法的JS指標(biāo)如表1所示,從中可以得出針對(duì)伴有噪聲的灰度不均弱邊緣醫(yī)學(xué)圖像,本文算法分割效果要比傳統(tǒng)DCV分割算法效果要好。

        表1 2種算法的JS指標(biāo)

        圖像組織分割算法DCV本文醫(yī)學(xué)圖像1白質(zhì)0.780.90灰質(zhì)0.700.86醫(yī)學(xué)圖像2白質(zhì)0.750.90灰質(zhì)0.700.85醫(yī)學(xué)圖像3白質(zhì)0.740.89灰質(zhì)0.700.84

        4 結(jié)束語(yǔ)

        提出一種基于NLM的雙水平集醫(yī)學(xué)圖像分割算法。首先通過(guò)非局部均值算法對(duì)醫(yī)學(xué)圖像進(jìn)行降噪處理;傳統(tǒng)水平集函數(shù)在每一次迭代過(guò)程中需重新進(jìn)行初始化,而本文中能量懲罰項(xiàng)的增加避免了這一問(wèn)題,具有較高的計(jì)算效率,降低了算法的計(jì)算量;最后在水平集中擬合偏移場(chǎng)算法,以解決醫(yī)學(xué)圖像中存在的灰度不均問(wèn)題。實(shí)驗(yàn)證明本文提出的基于NLM的雙水平集醫(yī)學(xué)圖像分割算法,較傳統(tǒng)DCV算法抗噪性更強(qiáng),并能強(qiáng)化圖像邊緣信息,較好地分割弱邊緣的醫(yī)學(xué)圖像。

        [1] Pham D L,Xu Chenyang,Prince J L.A Survey of Current Methods in Medical Image Segmentation[R].Technical Report JHU/ECE 99-01,1998.

        [2] 彭代強(qiáng),李家強(qiáng),林幼全.基于模糊隸屬度空間約束的 FCM 圖像分割[J].計(jì)算機(jī)科學(xué),2010,37(10):257-259.

        [3] Aujol J F,Chan T F.Combining Geometrical and Textured Information to Perform Image Classification[J].Journal of Visual Communication and Image Representation,2006,17(5):1004-1023.

        [4] Vese L A,Chan T F.A Multiphase Level Set Framework for Image Segmentation Using the Mumford and Shah Model[J].International Journal of Computer Vision,2002,50(3):271-293.

        [5] 蔣世忠,易法令,湯浪平,等.基于圖割的MRI 腦部圖像腫瘤提取方法[J].計(jì)算機(jī)工程,2010,36(7):217-219.

        [6] 江貴平,秦文健,周壽軍,等.醫(yī)學(xué)圖像分割及其發(fā)展現(xiàn)狀[J].計(jì)算機(jī)學(xué)報(bào),2015,38(6):1222-1241.

        [7] 詹天明,韋志輝,張建偉,等.腦MR圖像分割和偏移場(chǎng)矯正的耦合水平集模型[J].中國(guó)圖象圖形學(xué)報(bào),2011,16(11):2017-2023.

        [8] 張 翡,范 虹.基于模糊C均值聚類的醫(yī)學(xué)圖像分割研究[J].計(jì)算機(jī)工程與應(yīng)用,2014,50 (4):144-151.

        [9] Efros A A,Leung T K.Texture Synthesis by Non-parametric Sampling[C]∥Computer Vision,1999.The Proceedings of the Seventh IEEE International Conference on.IEEE,1999:1033-1038.

        [10] Levin A,Nadler B.Natural Image Denoising:Optimality and Inherent Bounds[C]∥ IEEE Conference on Computer Vision and Pattern Recognition(CVPR),2011:2833-2840.

        [11] Buades A,Coll B,Morel J M.A Non-local Algorithm for Image Denoising[C]∥C-omputer Vision and Pattern Recognition(CVPR)IEEE Computer Society Conference

        on.IEEE,2005,2:60-65.

        [12] 唐文杰,朱家明,張輝.多分辨率雙水平集醫(yī)學(xué)圖像分割算法[J].計(jì)算機(jī)科學(xué),2017,44(S2):189-192.

        [13] 徐玲凌,肖進(jìn)勝,易本順,等.改進(jìn)的 C-V水平集模型圖像分割算法[J].計(jì)算機(jī)工程,2009,35(10):209-213.

        [14] Liu Y L,Wang J,Chen X,et al.A Robust and Fast Non-local Means Algorithm for Image Denoising[J].Journal of Computer Science and Technology,2008,23(2):270-279.

        [15] 方江雄.變分和偏微分方法在圖像分割中的應(yīng)用[M].北京:中國(guó)石化出版社,2015.

        [16] 林穎,印桂生,楊耘.基于變分水平集的灰度不均勻醫(yī)學(xué)圖像分割[J].計(jì)算機(jī)工程,2010,36 (24):203-205.

        [17] 任靖.基于水平集主動(dòng)輪廓模型的醫(yī)學(xué)圖像分割分法的研究[D].合肥:合肥工業(yè)大學(xué),2011.

        [18] 金玶.基于水平集方法的圖像分割研究[D].合肥:安徽大學(xué),2010.

        [19] He Renjie,Saiia B R,Datta S,et al.Vol-ume and Shape in Feature Space on Adaptive FCM in MRI Segmentation[J].Annals of Biomedical Engineering,2008,36(9):1580-1593.

        [20] Chen Y J,Zhang J W,Macione J.An Improved Level Set Method for Brain MR Images Segmentation and Bias Correction [J].Computerized Medical Imaging and Graphics,2009,33(7):510-519.

        猜你喜歡
        水平模型
        一半模型
        張水平作品
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        作家葛水平
        火花(2019年12期)2019-12-26 01:00:28
        加強(qiáng)上下聯(lián)動(dòng) 提升人大履職水平
        3D打印中的模型分割與打包
        老虎獻(xiàn)臀
        FLUKA幾何模型到CAD幾何模型轉(zhuǎn)換方法初步研究
        做到三到位 提升新水平
        久久tv中文字幕首页| 日本一区二区视频免费在线看| av无码国产在线看免费网站| 国产在线精品一区二区| 欧美日韩一区二区三区色综合| 国产成人国产在线观看入口| 粉嫩国产白浆在线播放| 网站在线观看视频一区二区| 艳z门照片无码av| 久久婷婷综合色丁香五月| 99在线无码精品秘 人口| 亚洲一区二区三区免费网站| 成人精品天堂一区二区三区| 亚洲日韩精品国产一区二区三区| 国产亚洲成年网址在线观看| 国产精品国产三级国产剧情| 中文字幕日韩精品一区二区三区| 风流少妇又紧又爽又丰满| 成年女人18毛片毛片免费| 亚洲午夜精品一区二区麻豆av | 日韩中文字幕久久久老色批| 国产精品扒开腿做爽爽爽视频 | 中文乱码字幕高清在线观看| 国产一区二区三区护士| 无码a级毛片免费视频内谢| 美女大量吞精在线观看456| 极品美女高潮喷白浆视频| 日本黄色高清视频久久| 日韩综合无码一区二区| 亚洲av无码1区2区久久| 亚洲五月七月丁香缴情| 91精品国产91综合久久蜜臀| 中文区中文字幕免费看| 亚洲av无码国产剧情| 无码吃奶揉捏奶头高潮视频| 中文字幕34一区二区| 无码丰满熟妇一区二区| 国产极品美女高潮抽搐免费网站| 精品久久人妻一区二区| 五月四房播播| 国产AV无码专区亚洲AⅤ|