一种适用于血管图像分割的活动轮廓模型

ωεGI F (Φ, c1 , c2 ) ,
(5)
其中ω为非负加权参数 (0 ≤ω≤1) 。当 ω= 0 时 , 式 (5) 退化为 LB F 模型 ;当ω= 1 时 ,式 (5) 退化为 C2V 模型 。
从方程式 (5) 可以看出 ,参数ω决定了能量方程 中全局拟合能量和局部拟合能量的比重并存在于整 个分割过程中 。参数值ω的大小会影响活动轮廓曲
f
1
(
x)
、f 2
(
x)
和全局拟合
97 0 生 物 医 学 工 程 学 杂 志 第 27 卷
值 c1 、c2 加权和的形式 。因此 ,在式 (6) 中 , 中心点 x 邻域的拟合能量方程同时具有全局和局部特性 。ω ( x) 为反映 x 邻域内的活动轮廓曲线与目标边界吻 合状况环系统血管分析的一个重要 组成部分 ,也是血管三维重建 、定量分析的基础 。由 于血管中造影剂的分布不均往往造成血管在血管造 影图像中亮度非均匀 ,加上图像噪声的影响 ,使得血 管很难从造影图像中分割出来 。在众多的图像分割 方法/ 算法中 ,基于曲线演化的活动轮廓模型因其演 化过程与处理结果是一条清晰 、完整的目标轮廓曲 线 ,而成为当前研究热点对象 ,大量的活动轮廓模型 被提出并应用于图像分割和计算机视觉处理 。目前 存在的活动轮廓模型主要被分成两类 :基于边界的 活动轮廓模型[123 ] 和基于区域的活动轮廓模型[429 ] 。 基于边界的活动轮廓模型依靠目标边界的图像梯度 终止轮廓曲线的演化 。因此基于边界的活动轮廓模 型容易跨过弱边界发生“泄漏”现象 。与基于边界的 活动轮廓模型相比 ,基于区域的活动轮廓模型不依
第 5 期 田 飞等 :一种适用于血管图像分割的活动轮廓模型 9 69
匀目标边界的难度 ,增加了迭代次数 。并且该模型 对全局强度拟合能量项参数选择较为敏感 ,需要人 工调节 。
针对上述活动轮廓模型中存在的问题 ,本文提 出一种自适应强度拟合的活动轮廓模型 。该模型根 据局部活动轮廓曲线与血管边界的吻合状况 ,用一 个包含全局和局部图像信息的自适应强度值来拟合 局部图像强度 。当局部活动轮廓曲线与血管边界吻 合较差时 ,全局强度信息起主导作用 ,用来克服活动 轮廓曲线对初始位置的敏感性 ;当局部活动轮廓曲 线靠近血管边界时 ,局部强度信息起主导作用 ,很好 地适用于灰度非均匀血管区域的分割 。
Hε( x)
=
1 2
[1
+ π2 arctan ( ε2 )
]
(3)
全局强度拟合能量项被定义为[ 5 ]
∫ εGI F (Φ, c1 , c2 ) =
|
Ω
I ( x) -
c1 | 2 H (Φ( x) ) d x +
∫
| I ( x) Ω
c2 | 2 (1 -
H (Φ( x) ) ) d x ,
∫ E AI F x
=
Kσ( y -
Ω
x) |
I ( y) -
f 1 AI F | 2 H (Φ) d y +
∫ Kσ( y Ω
x) | I ( y) -
f 2 | A I F 2 (1 -
H (Φ) ) d y ,
(6)
其中 I ( y) 为点 y ∈Ω的图像强度 , Kσ( y - x) 为具有
(南方医科大学 生物医学工程学院 ,广州 510515)
摘 要 :本文提出了一种适用于血管图像分割的活动轮廓模型 。根据局部轮廓曲线与血管边界的吻合状况 ,该模型 能够自适应地调节能量方程中全局强度信息和局部强度信息的比重 。实验结果表明 ,此模型能够有效地应用于非 均匀 、含噪声血管造影图像的分割 。与其它方法相比 ,该方法对轮廓曲线的初始位置不敏感 ,且无需对引入参数进 行人工调节 。 关键词 :Chan2Vese 模型 ;图像分割 ;灰度非均匀 ;LBF 模型 中图分类号 TP391. 41 文献标识码 A 文章编号 100125515 (2010) 0520968206
Abstract : In t his paper is p resented an active co ntour model applied to vascular image segmentation. This model can adaptively adjust t he p roportio n of glo bal and local intensity informatio n in accord wit h t he anastomo sis stat us be2 tween local contour and boundaries. Our met hod is able to wo rk effectively on segmentation of angiograp hic image wit h intensity inho mogeneity and noise. Co mpared wit h ot her met hods , o ur met hod is not sensitive to initialization and it eliminates t he need fo r manual adjust ment of new parameter. Key words : Chan2Vese model ; Image segmentatio n ; Intensity inho mogeneity ; LB F model
f 1 AI F 、f 2 AI F 拟 合局 部 区域 N in 和 N out 内图 像 强 度 。 图像分割 (曲线演化) 过程可以看作一条轮廓曲线从
初始位置 (轮廓曲线与目标边界吻合较差) 向目标边
界演化 (轮廓曲线与目标边界吻合较好) 的过程 。当
线对初始位置的敏感性和收敛速度 。正如图 2 所 示 ,过小的参数ω 往往使活动轮廓曲线对初始位置 较为敏感 ,过大的参数ω 往往造成活动轮廓曲线难 以收敛到目标边界 。因此 ,该模型需对参数ω 的值 进行人工选择 。
2 自适应强度拟合的活动轮廓模型
为了克服参数ω 选择的影响 ,本文提出了一种 自适应强度拟合的活动轮廓模型 。如图 1 所示 ,Ω 为给定图像区域 , C 代表零水平集 (Φ= 0) 曲线 , 它把 图像区域 Ω分为 Cin 和 Cout 两个区域 , c1 、c2 分别为这 两个区域的图像强度均值 , 称为全局拟合值 。对于 任一点 x ∈Ω, 曲线 C 把以 x 点为中心的邻域分为 N in 和 N out 两个区域 , f 1 、f 2 分别为这两个区域图像 强度加权均值 , 称为局部拟合值 。本文模型用包含 上述全局和局部拟合值的自适应强度值分别拟合区 域 N in 和 N out 内的图像灰度 。以任意一个点 x ∈Ω 为中心的局部拟合能量方程修改为
An Active Contour Model Appl ied to Vascular Image Segmentation
Tian Fei Yang Feng Liu Guoqing
( Dep art ment of B iome dical En gi neeri ng , S out hern Me dical Uni versit y , Guangz hou 510515 , Chi na)
局部特性的权重函数[8] 。强度拟合值
、 的 f f A I F 1
AIF 2
定义式为
f AIF 1
=
H (ω( x) )
f 1 ( x)
+ [1 -
H (ω( x) ) ]c1 ,
f AIF 2
=
H (ω( x) )
f 2 ( x)
+ [1 -
H (ω( x) ) ]c2 ,
f
AIF 1
、f 2 AI F 为局部拟合值
第 27 卷 第 5 期 2010 年 10 月
生物医学工程学杂志
Journal of Biomedical Engineering
OVcotlo. b2e7r N2o0.150
一种适用于血管图像分割的活动轮廓模型 3
田 飞 杨 丰Δ 刘国庆
3 国家自然科学基金资助项目 (60672115) Δ 通讯作者 。E2mail : yangf @fimmu. co m
赖目标边界的梯度信息 ,因此对弱目标边界的图像 具有较好的分割效果 。在众多基于区域的活动轮廓 模型中 ,C2V 模型[5] 得到较为广泛的应用 。C2V 模 型又被称为分段常量 ( PC) 模型 ,该模型基于假设图 像由一系列的灰度均匀区域构成 。但是 ,对于一些 含有非均匀特性的血管造影图像 , C2V 模型往往很 难把非均匀血管准确地从背景中分割出来 。
1 全局和局部强度拟合能量方程
给定的图像区域 Ω,Φ为水平集函数 , I ( x) 为点 x ∈Ω的图像灰度值 。文献 [ 9 ] 中 , Wang 构造了一 个既包含 C2V 模型的全局强度拟合能量项 ,又包含 LB F 模型局部强度拟合能量项的能量函数 。
局部强度拟合能量项被定义为[ 8 ]
∫ εL I F (Φ, f 1 , f 2 ) = Ω E x L I F d x ,
ω( x) = ( f 1 ( x) - f 2 ( x) ) 2
当 x 邻域内的活动轮廓曲线与目标边界吻合较差
时 , f 1 、f 2 差别较小 ,ω( x) 取得较小值 ; 当 x 邻域内
的活动轮廓曲线与目标边界吻合较好时 , f 1 、f 2 差 别较大 ,ω( x) 取得较大值 。
在本模型中 , 式 ( 6) 分别用自适应强度拟合值
(1)
其中 Ex LI F 为中心点 x ∈Ω邻域的局部二元拟合能量 方程 , Ex L I F 表达式为
∫ E LI F x
=
Kσ( y -