基于主动轮廓模型和水平集方法的图像分割

西安电子科技大学硕士学位论文基于主动轮廓模型和水平集方法的图像分割姓名：林维诗申请学位级别：硕士专业：电路与系统指导教师：李洁20100101摘要摘要图像分割技术是图像处理中的一项关键技术，分割结果直接影响后续的图像分析和理解的效果。近年来，主动轮廓模型（ＡｃｔｉｖｅＣｏｎｔｏｕｒＭｏｄｅｌ，ＡＣＭ）由于其能较好地处理局部间断边缘等特性，受到人们的关注；而水平集方法（ＬｅｖｅｌＳｅｔＭｅｔｈｏｄ）用定义在高维空间中的水平集函数替代了ＡＣＭ方法中的参数曲线的演化，成功地解决了曲线演化中拓扑结构变化的问题。主动轮廓模型和水平集方法已成为图像分割研究的一个重要的方向。为了提供一个开放的医学图像分割算法平台，本文研究和探讨了多种基于主动轮廓模型和水平集的图像分割方法，并辅助基本的图像操作功能，搭建编写了医学图像分割系统平台软件系统。本文首先实现并比较了两种参数主动轮廓模型（Ｓｎａｋｅ，ＧＶＦ．Ｓｎａｋｅ），并应用于医学图像分割，然后研究并实现了两种水平集方法：无重新初始化的水平集（ＬｅｖｅｌＳｅｔＷｉｔｈｏｕｔＲｅｉｎｉｔｉａｌｉｚａｔｉｏｎ，ＬＳＷＲ）、基于区域特征的水平集（ＬｅｖｅｌＳｅｔＷｉｔｈｏｕｔＥｄｇｅｓ，ＬＳＷＥ）；最后，基于ＭｉｃｒｏｓｏｆｔＭＦＣ开发了基于主动轮廓模型的医学图像分割系统，该系统提供通用的图像基本操作功能，并支持ＤＩＣＯＭ格式医学图像和普通的ＢＭＰ、口ＥＧ图像；通过统一的算法集成接口，集成了多种分割方法，提供了一个开放的算法平台，实现了算法在二进制级上的复用。

关键词：图像分割主动轮廓模型水平集面向对象设计ＮＦＯＡｂｓｔｒａｅｔＡｂｓｔｒａｃｔＩｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｉｓａｋｅｙｔｅｃｈｎｏｌｏｇｙｉｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ，ａｎｄｉｔｇｉｖｅｓ

ａｄｉｒｅｃｔｉｎｆｌｕｅｎｃｅｏｎｉｍａｇｅａｎａｌｙｓｉｓａｎｄｕｎｄｅｒｓｔａｎｄｉｎｇ．Ｂｅｉｎｇｃａｐａｂｌｅｏｆｄｅｔｅｃｔｉｎｇ

ｔｈｅ

ｓｎａｔｃｈｙｂｏｕｎｄａｒｉｅｓｂｙａｃｌｏｓｅｄｃｕｒｖｅ，ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌｓ（ＡＣＭ）ｈａｖｅｒｅｃｅｉｖｅｄａ

ｗｉｄｅａｔｔｅｎｔｉｏｎ．Ｌｅｖｅｌｓｅｔｍｅｔｈｏｄｓｕｃｃｅｓｓｆｕｌｌｙｄｅａｌｓ、析ｍｔｈｅｔｏｐｏｌｏｇｉｃａｌｃｈａｎｇｅｏｆａｃｔｉｖｅｃｏｎｔｏｕｒｉｎａｎｅｌｅｇａｎｔｗａｙｂｙｅｖｏｌｖｉｎｇａｌｅｖｅｌｓｅｔｒｕｎ．ｉｏｎｄｅｆｉｎｅｄｉｎａｈｉｇｈｅｒ

ｄｉｍｅｎｓｉｏｎａｌｓｐａｃｅｉｎｓｔｅａｄｏｆｔｈｅｃｕｒｖｅｒｅｐｒｅｓｅｎｔｅｄｂｙｐａｒａｍｅｔｒｉｃ

ｅｑｕａｔｉｏｎ．ＡＣＭ

ａｎｄ

ｌｅｖｅｌｓｅｔｍｅｔｈｏｄｓｈａｖｅｂｅｅｎａｎｉｍｐｏｒｔａｎｔｔｏｐｉｃｉｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｆｉｅｌｄ．Ｉｎｏｒｄｅｒｔｏｐｒｏｖｉｄｅａｎｏｐｅｎｐｌａｔｆｏｒｍｆｏｒｍｅｄｉｃａｌｉｍａｇｅ

ｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ｏｎｅ

ａｃｔｉｖｅｃｏｎｔｏｕｒｍｏｄｅｌａｎｄｔｗｏｌｅｖｅｌｓｅｔｍｅｔｈｏｄｓａｒｅａｎａｌｙｚｅｄａｎｄｃｏｍｐａｒｅｄ．Ｗｉｔｈｓｏｍｅａｄｄｉｔｉｏｎａｌｉｍａｇｅｃｏｍｍｏｎｏｐｅｒａｔｉｏｎｓ，ｔｈｅｏｐｅｎａｌｇｏｒｉｔｈｍｐｌａｔｆｏｒｍｉｓｂｕｉｌｔ，ａｎｄｉｎｔｅｇｒａｔｅｓｔｈｅｓｅｔｈｒｅｅｍｅｔｈｏｄｓｅｎｃｏｄｅｄｉｎｄｙｎａｍｉｃｌｉｎｋｌｉｂｒａｒｙ．ＴｈｅａｕｔｈｏｒｆｉｒｓｔｌｙｉｍｐｌｅｍｅｎｔｓａｎｄｃｏｍｐａｒｅｓＧＶＦ－Ｓｎａｋｅ谢ｔｌｌｔｈｅｔｙｐｉｃａｌａｃｔｉｖｅｃｏｎｔｏｕｒ

ｍｏｄｅｌ，ｉ．ｅ．，ｓｎａｋｅ；

ｓｅｃｏｎｄｌｙ，ｌｅｖｅｌｓｅｔｗｉｔｈｏｕｔｒｅｉｎｉｔｉａｌｉｚａｔｉｏｎ（ＬＳＷＲ）ａｎｄｌｅｖｅｌｓｅｔ

ｗｉｔｈｏｕｔｅｄｇｅｓ（ＬＳＷＥ）

ａｒｅｉｍｐｌｅｍｅｎｔｅｄ

ａｎｄ

ａｎａｌｙｚｅｄ；ｆｉｎａｌｌｙ，ｐｒｅｓｅｎｔｓｔｈｅｏｐｅｎａｌｇｏｒｉｈｔｍｐｌａｔｆｏｒｍｄｅｖｅｌｏｐｅｄ

ｂｙｕｓｉｎｇＭｉｃｒｏｓｏｆｔＭＦＣ．Ｔｈｅｐｌａｔｆｏｒｍｐｏｓｓｅｓｓｅｓｔｈｅｂａｓｉｃｉｍａｇｅｏｐｅｒａｔｉｏｎｓ，ｃｏｕｌｄ

ｈａｎｄｌｅｍｅｄｉｃａｌｉｍａｇｅｓｅｎｃｏｄｅｄｂｙＤＩＣＯＭｆｏｒｍａｔａｎｄｓｕｐｐｏｒｔｓｏｍｅｐｏｐｕｌａｒｉｍａｇｅ

ｆｏｒｍａｔ，ｅ．ｇ．，ＢＭＰａｎｄＪＰＥＧＭｅａｎｗｈｉｌｅ，ｉｔｐｒｏｖｉｄｅｓａｎｏｐｅｎｉｎｔｅｒｆａｃｅｔｏｉｎｔｅｇｒａｔｅｔｈｅ

ａｆｏｒｅｍｅｎｔｉｏｎｅｄｔｈｒｅｅａｌｇｏｒｉｔｈｍｓ，ｂｙｗｈｉｃｈｔｈｅｐｒｏｇｒａｍｓａｒｅｓｈａｒｅｄｏｎｔｈｅｂｉｎａｒｙｃｏｄｅ１ｅｖｅｌ．

Ｋｅｙｗｏｒｄ：ＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＡｃｔｉｖｅＣｏｎｔｏｕｒＭｏｄｅｌＬｅｖｅｌＳｅｔｏｂｊｅｃｔ・ＯｒｉｅｎｔｅｄＤｅｓｉｇｎ

ＭＦＣ西安电子科技大学学位论文创新性声明

聚乐。产校严佯的学风和优良的科学道德，本人声明所呈交的论文是我个人伍导师指导一卜．进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我～同工作的同志对本研究所做的任何贡献均己在论文中做Ｊ’１９Ｊ确的说ｌ｛ＪＪ井表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。

本人签名：盔雏煎日期兰竺！竺：！：！』

西安电子科技大学关于论文使用授权的说明

本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研’。‘乍征校攻渎学位期Ｉ’ＢＪ论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密的论文在解密后遵守此规定）

本人签名：导师签名：日期兰！！：』：！ｆ

日期２竺』！：ｆ：！Ｌ第一章绪论第一章绪论§１．１研究背景与意义在日常生活中，图像提供给人们丰富的信息。随着互联网的广泛应用，图像已成为人们获取和利用信息的重要来源和手段，也一直是十分重要的研究对象。图像工程【ｌ】研究的内容包括图像处理、图像分析和图像理解。从抽象程度来看，图像处理是较为低层的操作，主要是对图像进行加工以改善视觉效果并为图像分析和识别打基础；图像分析主要是对图像中感兴趣的目标进行检测和测量；图像理解主要是在图像分析基础上，对图像内容的含义加以理解，从而指导规划行动。图像分割【ｌｌ作为图像分析的重要内容，处于图像理解的下层，只有进行了有效的图像分割，才能在此基础上得到正确的图像理解。图像分割【¨，就是把图像分解成具有某种特性的若干区域并提取出对我们有用的目标的技术和过程。这些特性包括灰度、颜色、纹理等。图像分割的应用【２Ｊ非常广泛，在医学中，用于测量人体器官、组织或病灶的体积变化，以便医生做出相应的治疗方案；在交通中，需要对车牌号码进行分割以便识别出车牌号；在军事中，需要对卫星图像分割，才能识别和跟踪目标，从而对有效目标进行军事打击等等。传统的图像分割方法，如闽值分割法【ｌ】【３１、区域生长法【１】【３】【５】等，这些方法获取边缘的一般作法是：先进行灰度分割得到目标区域，然后提取目标轮廓边缘或是对图像作梯度运算获取边缘，再组合形成目标轮廓。但这些方法通常只考虑了图像局部信息，所以在边界合成中可能由于采用不正确的假设而产生了伪边界。因此要在所得到的分割结果的基础上，还要经过进一步处理来去除伪边界。另外，这些方法得到的分割结果有些边界不连续，难以满足对目标区域完整性的要求。为了有效地解决上述问题，Ｋａｓｓ等人１２０】提出了主动轮廓模型，其定义了一条封闭的初始曲线，在力的作用下曲线运动到图像边缘，从而得到一个封闭的分割区域。基于主动轮廓模型的图像分割方法在处理局部间断的轮廓时通常能得到较好的整体结果，解决了传统图像方法不能解决的问题，而得到了广泛的应用。各种算法要进入实际应用，首先要经过一个测试阶段，要有一个良好的模拟测试环境。经过系统测试后，已经开发的算法可以不修改（或经过少量修改）就可以移植到其他平台，进入真正的应用阶段。另外，多种算法要进行对比，需要相同的测试环境，即要在同一平台中进行测试，才能作出合理的评论。医学图像由不同的成像设备１５９Ｊ生成，具有不同的格式，常见有ＤＩＣＯＭ，ＲＡＷ等格式，需要一个软件将这些医学图像格式跟普通的图像格式如ＢＭＰ，ＪＰＥＧ等相互转换。基２基于主动轮廓模型和水平集方法的图像分割于上述目的，我们开发了一个软件系统，该系统提供了基本图像操作功能，并支持ＤＩＣＯＭ格式医学图像和普通的ＢＭＰ、ＪＰＥＧ图像，可以同时操作多幅图像，提供了开放的算法集成接口，方便将算法以动态链接库的形式集成到系统中并进行测试，实现了算法在二进制级上的复用。

１．２．１图像分割方法§１．２国内外研究现状

图像分割是图像处理和图像分析中的重要问题，也是计算机视觉中的基础问题，分割结果的好坏直接影响到更高层图像分析和理解等后续的处理，因此一直受到国内外众多科研人员的关注。从２０世纪７０年代起步至今，已经出现了很多基于不同理论（如：神经网络、模糊理论）的图像分割方法，本节简要介绍一些常用的分割算法：（１）经典的图像分割方法（ａ）基于区域的图像分割这类方法的基本思想是将图像分割成若干不重叠的区域【ｌ】，使各区域内部特征的相似性大于区域间特征的相似性，各区域内像素都满足基于灰度、纹理等特征的某种相似性准则。主要有阈值分割法【１１【３１、区域生长法【ｌ】【３】【５】、分裂合并法【１】【３】【５】竺寸Ｏ

阈值分割法【１】【３】的基本思想是用一个或者多个阈值将图像分为几个部分，如何选择合适的阈值成为该方法的关键，常用的方法有直方图法【３】、模糊阈值法１４１等；区域生长法【１ｌ［３ｌ［５】的基本思想是将具有相似性质的像素集合起来构成区域，该方法的优点是计算简单，对于比较均匀的连通图像有较好的分割效果，缺点是对噪声敏感，不好确定种子点像素；分裂合并法【ｌＪ【３】【５Ｊ的基本思想是从整幅图像开始通过不断分裂合并得到各个区域。该方法有两个关键点：一是破碎区域的判定标准；二是合并方法的制定。该方法对结构复杂的图像能取得较好效果，但计算量大，分割速度慢【６】。（ｂ）基于边缘的图像分割图像边缘是图像的最基本特征之一，是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合【１１。边缘检测的基本方法是先检测图像中的边缘点，再按一定的策略连接成目标轮廓，从而达到分割图像的目的。基于边缘的图像分割方法常见有微分算子法【１１、拟合曲面法【引、边界跟踪法【９】【１０１等。微分算子法【１】是利用相邻区域的像素值不连续的性质，通过一阶导数极值点