一种用于超声图像序列分割的水平集演化方法

作者:张建勋;葛锦涛;代煜;姚晰童; 刊名:天津大学学报(自然科学与工程技术版) 上传者:杨秀芳

【摘要】超声图像具有低信噪比、边界模糊、边界部分缺失、灰度不均等特点,对它的分割极具挑战性.而图像分割又是图像定量、定性分析的关键环节,分割的精确性对后续的分析、处理工作影响重大.距离保持水平集演化(DRLSE)方法对超声图像中出现的弱边界、被部分遮挡边界的分割较差,容易受噪声和灰度不均的影响,因此易造成弱边界泄漏、局部最优等误分割问题;并且初始轮廓对位置敏感,这使得分割的正确性严重依赖初始轮廓位置的选择,故不能对图像进行批量处理.为此提出了一种优化策略:融合基于局部区域的灰度信息和基于边缘的梯度信息构造新的边缘停止函数和面积项权系数,使得演化曲线不仅能够自适应地改变演化方向更有利于对图像序列的处理,同时对斑点噪声和灰度不均问题也有很好的抑制能力;另外,构造了一个先验形状约束项,利用前一帧的分割结果对当前帧的分割进行约束,促进曲线正确演化至目标边界,使得对边界部分遮挡的图像也有着更精确的分割效果.通过合成图像和真实超声图像对分割算法进行了性能分析,设计了基于边缘的豪斯多夫距离和平均绝对距离对算法分割轮廓和医生分割轮廓之间的距离差异性进行度量,实验证明优化策略相比于DRLSE模型和其传统优化模型,有着更高的分割精度,分割效果更出色.

全文阅读

第 52 卷 第 6 期 2019 年 6 月 天津大学学报(自然科学与工程技术版) Journal of Tianjin University(Science and Technology) Vol. 52 No. 6 Jun. 2019 收稿日期:2018-08-16;修回日期:2018-12-10. 作者简介:张建勋(1961— ),男,博士,教授,zhangjx@nankai.edu.cn. 通信作者:代 煜,daiyu@nankai.edu.cn. 基金项目:国家重点研发计划资助项目(2017YFB1302803);天津市自然科学基金资助项目(18JCYBJC18800). Supported by the National Key R&D Program of China(No. 2017YFB1302803),the Natural Science Foundation of Tianjin,China (No. 18JCYBJC18800). DOI:10.11784/tdxbz201808053 一种用于超声图像序列分割的水平集演化方法 张建勋,葛锦涛,代 煜,姚晰童 (南开大学人工智能学院,天津 300350) 摘 要:超声图像具有低信噪比、边界模糊、边界部分缺失、灰度不均等特点,对它的分割极具挑战性. 而图像分割又是图像定量、定性分析的关键环节,分割的精确性对后续的分析、处理工作影响重大. 距离保持水平集演化(DRLSE)方法对超声图像中出现的弱边界、被部分遮挡边界的分割较差,容易受噪声和灰度不均的影响,因此易造成弱边界泄漏、局部最优等误分割问题;并且初始轮廓对位置敏感,这使得分割的正确性严重依赖初始轮廓位置的选择,故不能对图像进行批量处理. 为此提出了一种优化策略:融合基于局部区域的灰度信息和基于边缘的梯度信息构造新的边缘停止函数和面积项权系数,使得演化曲线不仅能够自适应地改变演化方向更有利于对图像序列的处理,同时对斑点噪声和灰度不均问题也有很好的抑制能力;另外,构造了一个先验形状约束项,利用前一帧的分割结果对当前帧的分割进行约束,促进曲线正确演化至目标边界,使得对边界部分遮挡的图像也有着更精确的分割效果. 通过合成图像和真实超声图像对分割算法进行了性能分析,设计了基于边缘的豪斯多夫距离和平均绝对距离对算法分割轮廓和医生分割轮廓之间的距离差异性进行度量,实验证明优化策略相比于 DRLSE 模型和其传统优化模型,有着更高的分割精度,分割效果更出色. 关键词:超声图像序列;图像分割;活动轮廓模型;水平集 中图分类号:TP391 文献标志码:A 文章编号:0493-2137(2019)06-0568-08 A Level Set Evolution Method for Ultrasound Image Sequence Segmentation Zhang Jianxun,Ge Jintao,Dai Yu,Yao Xitong (College of Artificial Intelligence,Nankai University,Tianjin 300350,China) Abstract:Due to low signal-noise ratio,blurry boundaries,partially occluded boundaries,and intensity inho-mogeneity,ultrasound image segmentation is quite challenging. Image segm

参考文献

引证文献

问答

我要提问