第 31 卷 2016 年 7 月 第 7 期 液 晶 与 显 示 ChJuLqudCydDpy V.31 N.7 Ju.2016 文 章 编 号 :1007G2780201607G0686G09 一 种 血 管 约 束 的 局 部 活 动 轮 廓 模 型 1,2,3 梁 思, 王 雷 1 1, 杨 晓 冬 1. 中 国 科 学 院 苏 州 生 物 医 学 工 程 技 术 研 究 所, 江 苏 苏 州 21215163; 2. 中 国 科 学 院 长 春 光 学 精 密 机 械 与 物 理 研 究 所, 吉 林 长 春 130033; 3. 中 国 科 学 院 大 学, 北 京 100049 摘 要 : 活 动 轮 廓 作 为 一 种 重 要 的 图 像 分 割 工 具, 近 几 年 来 在 理 论 和 应 用 方 面 都 有 很 大 的 发 展. 然 而, 现 有 轮 廓 模 型 在 处 理 灰 度 均 匀 性 较 差 的 图 像 时, 通 常 存 在 较 高 的 分 割 误 差, 并 且 对 初 始 轮 廓 曲 线 位 置 敏 感. 为 此, 本 文 提 出 一 种 基 于 血 管 特 征 约 束 的 活 动 轮 廓 模 型, 该 模 型 首 先 使 用 局 部 相 位 LPh 的 血 管 增 强 算 法 对 图 像 进 行 增 强 处 理 以 生 成 一 种 不 同 于 图 像 灰 度 的 血 管 特 征 信 息, 然 后 将 血 管 信 息 和 图 像 灰 度 以 线 性 加 权 的 形 式 引 入 到 局 部 二 值 拟 合 LByg,LB 能 量 泛 函 中, 指 导 图 像 血 管 分 割. 基 于 视 网 膜 血 管 图 像 数 据 DgRImgVEx,DRIV 的 实 验 显 示 : 该 模 型 能 成 功 地 从 灰 度 分 布 不 均 匀 和 弱 边 界 轮 廓 的 视 网 膜 图 像 中 提 取 血 管, 分 割 灵 敏 度 和 准 确 性 分 别 达 到 74.43% 和 93 67%, 同 时 对 初 始 轮 廓 曲 线 位 置 的 敏 感 性 大 为 降 低. 由 上 述 可 知, 该 模 型 具 有 高 分 割 准 确 性 和 低 初 始 位 置 敏 感 性. 关 键 词 : 活 动 轮 廓 ; 局 部 相 位 ; 灰 度 不 均 ; 局 部 二 值 拟 合 中 图 分 类 号 :TP391 文 献 标 识 码 :A d:10.3788/yjyxs20163107.0686 AGduwh ppgm LIANGS 1,2,3,WANGL 1,YANG XGdg 1, 1.SuzhuIuBmdEggdThgy, ChAdmyS,Suzhu215163,Ch; 2.ChuIuOp,MhdPhy, ChAdmyS,Chu130033,Ch; 3.UyChAdmyS,Bjg100049,Ch Ab:ACuMdhummggmdhg dpmbhhydpp.hw,hxgmdwkwh pyhgy,dgup.th, uppdxy,whhkumgg ydumuuy.thw mdbdbyphgg hdm,dbdbyg.expmu,whhbdpuby 收 稿 日 期 :2015G09G08; 修 订 日 期 :2015G11G25. 基 金 项 目 : 中 科 院 科 研 装 备 项 目 N.YZ201253,N.YZ201445 SuppdbyChAdmySPjRhEqupmN.YZ201253,N.YZ201445 通 信 联 系 人,EGm:xdg_yg@b..
第 7 期 梁 思, 等 : 一 种 血 管 约 束 的 局 部 活 动 轮 廓 模 型 687 bdgrimgvexdrive,hwhumduuy xhddhpyhmgy wh74.43% pxy d93.67% gmuy,dhmdupm.thdmg umdmpmggmwhhuydbu. Kywd:u;ph;yhmgy;byg 1 引 言 图 像 分 割 是 一 种 依 据 成 像 对 象 纹 理 特 性 的 不 同, 把 图 像 分 割 成 若 干 区 域, 从 而 将 所 需 的 对 象 提 取 出 来 的 过 程 ; 其 能 为 临 床 诊 断 和 手 术 治 疗 提 供 可 靠 的 依 据 而 得 到 广 泛 深 入 地 研 究. 在 众 多 图 像 分 割 算 法 中, 活 动 轮 廓 模 型 A Cu Md,ACM 1G4] 是 较 为 典 型 的. 该 类 算 法 通 过 最 小 化 预 先 定 义 的 能 量 泛 函, 达 到 从 图 像 信 息 中 动 态 地 描 绘 出 物 体 轮 廓 的 目 的, 并 具 有 亚 像 素 的 分 割 精 度 5G7]. 常 用 活 动 轮 廓 模 型 依 据 图 像 分 割 中 使 用 图 像 信 息 的 不 同 可 以 粗 略 分 为 基 于 边 缘 dggbd 8G11] 和 基 于 区 域 ggbd 的 活 动 轮 廓 模 型 12G14]. 15G16] 基 于 边 缘 的 活 动 轮 廓 模 型 主 要 利 用 图 像 梯 度 信 息 构 建 能 量 泛 函, 提 取 所 需 目 标 物 体 的 边 界 轮 廓. 这 类 模 型 较 适 用 于 边 缘 信 息 明 确 且 灰 度 分 布 均 匀 的 图 像, 并 能 够 获 得 较 高 的 准 确 性. 但 当 图 像 灰 度 均 匀 性 较 差, 或 含 有 较 高 的 图 像 噪 声 时, 这 类 模 型 的 分 割 性 能 由 于 梯 度 局 部 性 的 约 束 而 明 显 降 低 17]. 同 时, 梯 度 的 局 部 性 要 求 初 始 轮 廓 曲 线 不 能 距 离 所 需 分 割 对 象 的 边 缘 太 远, 否 则 就 无 法 得 到 准 确 的 目 标 曲 线. 这 些 不 足 限 制 了 基 于 边 缘 的 活 动 轮 廓 模 型 的 应 用 范 围, 并 推 动 了 基 于 区 域 的 活 动 轮 廓 模 型 的 发 展 18G19]. 基 于 区 域 的 活 动 轮 廓 模 型 使 用 图 像 灰 度 间 存 在 的 统 计 分 布 关 系 构 建 能 量 泛 函, 获 取 所 需 的 目 标 曲 线. 灰 度 统 计 关 系 的 建 立 基 于 如 下 假 设 : 根 据 成 像 对 象 的 不 同 可 将 图 像 分 为 多 个 不 同 的 区 域 块 20G21], 且 描 述 不 同 对 象 的 灰 度 值 在 各 个 区 域 上 是 均 匀 分 布 的. 这 使 得 一 幅 图 像 仅 根 据 灰 度 的 统 计 学 数 值 便 可 粗 略 地 分 为 不 同 的 区 域, 从 而 避 免 由 图 像 梯 度 信 息 的 使 用 导 致 的 对 初 始 轮 廓 曲 线 位 置 敏 感 抗 噪 能 力 弱 等 问 题. 然 而, 这 类 模 型 通 常 无 法 准 确 分 割 灰 度 分 布 均 匀 性 较 差 的 图 像. 最 近,L 22G23] 等 提 出 了 一 种 局 部 二 值 拟 合 LByg,LB 的 活 动 轮 廓 模 型, 以 解 决 灰 度 分 布 不 均 匀 性 对 图 像 分 割 造 成 的 干 扰. 该 模 型 首 先 分 析 ChdV 提 出 的 全 局 区 域 活 动 轮 廓 模 型 简 称 CV 模 型 仅 依 据 全 局 图 像 信 息 分 割 图 像 特 征 存 在 的 问 题 ; 然 后 引 入 高 斯 核 函 数 对 图 像 全 局 范 围 内 的 目 标 和 背 景 信 息 的 灰 度 统 计 信 息 进 行 改 进, 从 而 在 全 局 信 息 中 引 入 局 部 灰 度 信 息 以 解 决 一 定 范 围 内 灰 度 分 布 不 均 匀 的 问 题. 实 验 表 明 该 模 型 具 有 较 高 的 分 割 准 确 性, 并 且 该 模 型 涉 及 较 少 的 分 割 参 数, 能 大 幅 降 低 算 法 的 使 用 难 度. 但 是 该 模 型 对 初 始 轮 廓 曲 线 的 位 置 24] 敏 感, 抗 噪 能 力 有 待 提 升, 从 而 在 一 定 程 度 上 限 制 了 它 的 广 泛 应 用. 为 此, 本 文 提 出 一 种 新 的 基 于 血 管 特 征 约 束 的 活 动 轮 廓 模 型 Gd LB, VLB, 该 模 型 首 先 使 用 局 部 相 位 LPh 的 增 强 算 法 增 强 图 像 中 的 血 管 特 征 信 息, 然 后 将 血 管 特 征 作 为 一 种 不 同 于 图 像 灰 度 的 特 征 信 息 引 入 到 LB 模 型 中, 以 改 善 LB 模 型 的 图 像 分 割 性 能. 基 于 公 开 发 表 的 视 网 膜 图 像 DgRG ImgVEx,DRIVE 的 分 割 实 验 表 明 该 算 法 具 有 良 好 的 分 割 性 能. 2 方 法 VLB 模 型 在 保 留 LB 模 型 的 图 像 分 割 优 点 的 基 础 上, 引 入 血 管 特 征 信 息 改 善 其 存 在 的 问 题. 为 更 好 地 介 绍 VLB 模 型, 下 面 详 细 介 绍 LB 模 型, 以 清 晰 阐 述 该 算 法 具 有 的 分 割 特 性 和 存 在 的 不 足, 随 后 引 出 本 文 所 提 算 法. 2.1 LB 模 型 LB 模 型 是 一 种 利 用 图 像 局 部 信 息 的 活 动 轮 廓 模 型, 这 使 得 其 相 较 于 基 于 图 像 全 局 信 息 的 活 动 轮 廓 模 型 添 加 了 局 部 细 节, 能 够 获 得 更 高 的 分 割 准 确 性 和 抗 噪 能 力.LB 模 型 具 体 表 示 如 下 :
688 液 晶 与 显 示 第 31 卷 E LB =λ1 K x-y I d y -1 x 2 H1 ϕ x dy ]dx+ C, 1 λ2 K x-y I y -2 x 2 H2 ϕ x dy ]dx+r ϕ x ud C R ϕ x =ϑ Ñ H ϕ x 1 dx+μ 2 Ñ ϕ x -1 2 dx, 2 其 中 :C 为 所 需 的 轮 廓 曲 线, 其 能 将 图 像 划 分 为 G 2.2 VLB 模 型 dc 和 外 部 区 域 udc 两 部 分, 曲 线 C 实 际 求 解 中 常 用 零 阶 Lphz 函 数 ϕ x :Ω R 集 替 代.Ι:Ω R 为 给 定 灰 度 图 像,x 是 图 像 区 域 Ω 中 的 任 意 一 个 像 素 点.λ1 λ2 >0 分 别 是 图 像 灰 度 在 内 外 两 部 分 的 能 量 泛 函 的 权 重 系 数,y 表 示 点 x 为 中 心 的 邻 域 范 围.K 是 带 有 标 准 差 >0 的 高 斯 核 函 数, 通 常 可 表 示 为 K u = 1 - u 2 /2 2, 当 u 增 加 时 2π /2,K u 减 小 并 逐 渐 趋 向 于 零, 同 时 满 足 局 部 非 负 单 调 的 性 质. 1 x 和 2 x 是 轮 廓 曲 线 内 外 局 部 图 像 区 域 上 像 素 灰 度 的 平 均 拟 合 值, 通 常 由 极 小 化 能 量 泛 函 公 式 E LB 得 到.ÑH 是 Hd 函 数 H 的 梯 ]. 令 度, 其 中 H ϕ = 1 2 1+ 2 π æ ϕ ö ç èε ø H1 ϕ = H ϕ, H2 ϕ =1-H ϕ 分 别 代 表 ϕ 的 内 部 和 外 部.R 是 一 个 正 则 项, 包 括 长 度 项 Ñ H ϕ x dx 和 距 离 保 证 项 1 2 Ñ ϕ x -1 2 dx,ϑ 和 μ 分 别 为 二 者 的 权 重 系 数. LB 模 型 通 过 引 入 高 斯 核 函 数 K 实 现 了 图 像 全 局 信 息 与 局 部 信 息 间 的 转 换, 从 而 避 免 了 远 离 所 需 目 标 的 图 像 信 息 的 干 扰, 提 升 目 标 物 体 附 近 的 局 部 图 像 信 息 在 曲 线 求 解 中 的 有 效 性 ; 使 得 1 x 和 2 x 的 求 解 仅 仅 需 要 x 附 近 的 图 像 信 息 即 可 确 定. 图 像 局 部 信 息 的 使 用 不 仅 在 区 分 所 需 目 标 和 图 像 背 景 中 起 着 关 键 性 作 用, 而 且 能 够 有 效 提 升 模 型 的 分 割 准 确 性 和 抗 干 扰 能 力. 然 而, LB 模 型 对 初 始 轮 廓 曲 线 位 置 的 敏 感 性 不 足, 处 理 灰 度 不 均 匀 图 像 的 能 力 也 有 待 提 升. 存 在 这 些 不 足 的 原 因 可 能 是 LB 模 型 在 分 割 求 解 过 程 中 忽 略 了 像 素 灰 度 外 的 其 他 重 要 图 像 信 息. 为 了 改 善 LB 模 型 的 这 些 问 题, 有 必 要 引 入 更 多 的 图 像 信 息 到 LB 模 型 中, 提 升 其 分 割 性 能. 为 了 改 善 LB 模 型 的 分 割 性 能, 一 种 不 同 于 图 像 灰 度 的 血 管 特 征 信 息 被 引 入 到 该 模 型 中, 从 而 形 成 一 种 新 的 基 于 血 管 特 征 约 束 的 VLB 模 型. 该 模 型 首 先 使 用 局 部 相 位 LPh 的 血 管 增 强 算 法 对 图 像 进 行 增 强 处 理 以 生 成 一 种 不 同 于 图 像 灰 度 的 血 管 特 征 信 息, 然 后 将 血 管 信 息 和 图 像 灰 度 以 线 性 加 权 的 形 式 引 入 到 局 部 二 值 拟 合 能 量 泛 函 中, 指 导 图 像 血 管 分 割. 下 面 分 别 对 局 部 相 位 的 血 管 增 强 算 法 和 VLB 能 量 泛 函 进 行 详 细 介 绍. 2.2.1 局 部 相 位 的 血 管 增 强 局 部 相 位 是 从 基 于 单 元 信 号 的 正 交 滤 波 器 中 衍 生 而 来 的 重 要 特 征, 可 以 被 看 作 一 个 空 间 域 的 复 杂 滤 波 器, 其 中 实 部 和 虚 部 分 别 对 应 线 滤 波 器 边 缘 滤 波 器. 实 部 与 虚 部 之 间 的 角 度 θ 可 以 作 为 一 个 重 要 的 指 标, 用 来 表 征 图 像 中 线 和 边 缘 的 局 部 特 征, 这 个 指 标 已 被 广 泛 应 用 于 边 缘 检 测 对 称 25] 性 分 析 和 血 管 特 征 增 强 的 过 程 中. 局 部 相 位 的 求 解 过 程 中, 正 交 滤 波 器 通 常 使 用 相 位 差 为 π/2 的 一 个 偶 数 滤 波 器 和 一 个 奇 数 滤 波 器, 在 尺 度 m 和 方 向 j 上 分 别 表 示 为 E j m 和 O j m. 对 于 图 像 I 的 每 一 个 像 素 点, 根 据 以 下 公 式 可 以 得 到 滤 波 器 的 响 应, 记 为 q j m : q j m = j m x+ j m x, 3 j m j m 其 中 : 表 示 卷 积 运 算,= x =I x E j m, 4 x =I x O j m, 5-1 表 示 虚 数 单 元. 为 了 获 得 一 个 方 向 不 变 的 相 位 图, 需 要 用 绝 对 值 替 代 虚 部 的 O j m, 使 q j m = j m + j m, 将 尺 度 m 上 的 J 个 方 向 的 响 应 进 行 累 加, 得 到 qm = J q j m. 结 合 各 个 尺 度 上 的 响 应, 可 以 得 到 一 个 j=1 方 向 不 变 的 全 局 响 应 P, 其 公 式 如 下 :
等:一种血管约束的局部活动轮廓模型 梁 思, 第７期 P M m m M q qm m qm β β, ６ 其中: M 是尺度的个数,权重系数满足β.为 了使相位图更规 则,需 要 增 加 一 个 小 的 正 数 β 对 ６８９ 局部相位增强后 实 部 对 应 的 图 像 称 为 血 管 图 像. 至于图 D,其更侧重于凸显血管边缘所在的区域, 这对血管的提取有非常重要的指导作用. 响应 P 做归 一 化 处 理 以 得 到 最 终 的 血 管 特 征 图 像,具体公式如下: P P ７ P β 将上述计算局部相位的血管增强算法应用于 LP 视网 膜 图 像,可 以 得 到 如 图 所 示 的 结 果.在 图 中,图 A 表示待增强处理的原视网膜图像,图 B 是 图 A 绿 色 分 量 对 应 的 灰 度 图 像 相 比 红 色 分 量 蓝色分量而言,图像的绿色分量中轮廓信息更 图 局部血管图像增强结果 R u h ph b d h m 明显,下文中同样 适 用 原 始 图 像 的 绿 色 分 量 的 灰 度图像,图 C 和 D 分 别 为 图 B 经 局 部 血 管 增 强 整合局部相位的能量泛函 为了充分利用局部相位增强后的血管特征信 中可以清晰地看 出,图 像 中 血 管 所 在 的 区 域 得 到 息,本文将血管特 征 与 像 素 灰 度 作 为 图 像 中 两 个 明显地增强,血管 与 背 景 间 的 差 异 也 得 到 进 一 步 相互独立的随机 变 量,并 以 线 性 加 权 的 形 式 将 二 地突显;并且图中 每 个 像 素 点 对 应 的 滤 波 响 应 值 者对应的图像信息整合用于分割图像目标的能量 越大,其可能为血管的概率就越大.为此,本文将 泛函.该能量泛函可表示如下: 处理后 局 部 相 位 对 应 的 实 部 和 虚 部 图. 从 图 C EVLB αei αev R ϕ x, ８ K x y Iy x H ϕx dy]dx λ K x y Iy x H ϕx dy]dx, E λ K x y V y x H ϕx dy]dx λ K x y V y x H ϕx dy]dx, R ϕ x ϑ ÑH ϕ x dx μ Ñϕx dx EI λ ４ d C u d C ３ V d C ４ u d C ９ ３ ０ 其中,V y 为血管 图 像 中 位 于 像 素 点y 处 的 图 H ϕ x dy,, 像 血管响应, λ３ λ４ 分别为V y 在内 外两部分 的能量泛函的权重系数.EI 和 EV 分 别 对 应 灰 度 和血管信息的能量泛函. α 是一个位于 ０~ 之间 的权重系数,用 来 表 示 EI 和 EV 所 占 用 的 比 重. 其他参数代表的含义可参考前文. 最小化上述能量泛函的过程通常以变法水平 集的方式进行求解,同时结合欧拉拉格朗日方程 可得到能量泛函中的各个参数满足如下公式: K x y Iy x K x y Iy x j Hj ϕ x dy ４ j ３, 经求 解 公 式 可 得 到,,, ３, ４的计算 公式: K x H ϕ x I x ], ３ K x H ϕ x K x H ϕ x I x ], x ４ K x H ϕ x K x H ϕ x V x ], ３ x ５ K x H ϕ x x
液晶与显示 ６９０ K x H ϕ x V x ] ６ K x H ϕ x 使用梯度下降法对 上 述 能 量 泛 函 EVLB 极 小 ４ x 化后,最终得到所 需 轮 廓 曲 线 随 时 间 演 化 的 偏 微 分方程: 列是将第一列中的红色轮廓曲线映射到相应的数 æ Ñ ö æ æ Ñ öö ϑ δε ϕ d Ñϕ μç Ñϕ d ç Ñϕ, è ϕ ø è è ϕ øø ７ K x y Iy x dy, ３ ３ 结果 根据上 述 实 验 参 数, VLB 模 型 对 ４ 张 局 部 第一列红色轮廓 曲 线 部 分 是 分 割 出 的 结 果,第 二 ç 为 ８３ ８~３０ ５０像 素.由 于 不 同 图 像 存 在差异,需要 和ϑ 的值以达到最佳的分割效果. 视网膜图像进行了分割,结果如图 所示.其中, ϕ δε ϕ λ λ α α δε ϕ λ３３ λ４４ 其中: 第 ３ 卷,, ８ 据集中的手动分割 图 像 后 的 结 果. 图 A的 实 验参数 ３ ϑ ５５ ５５.图 B 的实验参数 ϑ ５ ５５ ５５, 图 C 的实验参数 ϑ ０ ５ ５５ ５５,图 D 的实验参数 ϑ ５ ５５ ５５. j K x y V y j x dy, j ３, ４, δε x 是 D 函数, ９ ε ０ πε x 从 所 求 曲 线 的 演 化 方 程 中 可 以 发 现,VLB δε x H x 模型同时使用灰度图像和血管图像位于轮廓曲线 ϕ 附 近 的 局 部 信 息 进 行 图 像 分 割,因 而 能 够 更 好 地从背景信息中辨别和分割所需的对象. ３ 实验结果与分析 ３ 实验数据 实 验 环 境 为:M b００b,处 理 器: I R C TM ３ ０CPU,主 频: ３ ３０ GHz. 实 验 数据:从公开发表 的 视 网 膜 血 管 图 像 数 据 中 随 机 抽取的四张图像,截 取 其 中 包 含 细 小 血 管 的 局 部 区域.将截取后 的 局 部 区 域 图 像 进 行 分 割 处 理, 并将分割结果与数据集中的手动分割结果进行对 比,客观地评估了 VLB 模型的分割性能. ３ 实验参数设置 局部相位血管 增 强 算 法 中,参 数 设 置 借 鉴 已 发表的与视 网 膜 图 像 性 质 有 关 的 文 章 ６] 中的参 图 随机选取 的 ４ 幅 图 像 经 VLB 模 型 后 的 分 割 结果 p m h VLB Sgm md hmu gm b d u dm yh mg 从图 A C E G可 以 看 出,大 多 数 的小血管已被准 确 地 分 割 出 来,这 些 轮 廓 曲 线 可 以成功 的 覆 盖 在 其 对 应 的 模 板 上 如 图 B 数,根据实际图像 特 点,滤 波 器 的 尺 度 设 置 D H,但 由 于 图 像 中 某 些 血 管 轮 廓 不 明显,且不容易由视觉识别出来,这些区域并未能 ８３ ８~３０ ５０像素, ０~３ λi V I V λ３ ０５,λ λ４ ９５,ϑ ０ ~ 被完全分割,在第 二 列 图 像 可 以 明 显 看 出 这 些 未 为. VLB 模 型 的 参 数 设 置 如 下:图 像 大 小 ０ ５ ５５ ５５,.实 μ,δ 验中,随机选取的 含 有 细 小 血 管 区 域 的 图 像 大 小 被分割出来的细 小 血 管 和 一 些 分 离 的 细 小 区 域, 这可能是由图像 噪 声 和 局 部 灰 度 差 异 引 起 的,因 它们仅占图像的 小 部 分,并 未 影 响 整 体 的 分 割 性
等:一种血管约束的局部活动轮廓模型 梁 思, 第７期 ６９ 能.由 上 述 分 析 可 知,VLB 模 型 可 以 得 到 较 准 其中: p 分别表示正确识别的目标 p 像素点个数 正确识别的背景像素点个数 错误识 为了进行定量 的 评 估,对 分 割 结 果 在 灵 敏 度 别的目标像素点个数和错误识别的背景像素点个 确的分割结果. S 和 准 确 性A 方 面 进 行 了 分 析,具 体定义如下: ７] 数.S反映了分割 算 法 的 有 效 性,A 反应了模 型的分割 性 能. 另 外,CV 模 型 LB 模 型 LG ７] p, S p p, A p p D 模型也 被 用 于 分 割 实 验 中,以 对 比 研 究 它 们 与本 文 算 法 间 的 性 能 差 异. 其 中,CV 模 型 和 LGD 模型分别表示如下: ECV λ λ u d C d C Ix Ix H ϕ x dx I H ϕ x dx ϑ ÑH ϕ x dx ELGD ω x y gp,x Iy H ϕ x d ydx, ３, ４ ωx yg Iy H ϕx dydx R ϕx R ϕ x ϑ ÑH ϕ x dx μ Ñϕx dx P, x 分割结果,由 于 受 灰 度 不 均 匀 的 影 响 ８],并 未 能 CV 模型和 LGD 模型中的参数可参照文献 ３] ６]中的介绍,在此不进行赘述.四种模型 的分割结果如图 ３ 所示,并对各模型在 S 和 A 方面做了定量分析,结果如表 所示. 清晰的分割出主要的轮廓,且干扰区域较多 分割 结果粗糙.图 ３ B C中 的 分 割 结 果 有 较 大 改 善,能够清晰的分割出血管的主要轮廓,但是因灰 度不均匀和图像 噪 声 等 问 题 的 存 在,并 未 分 割 出 血管的细小分支.VLB 模型提取出了更多的血 管区域,由图 D中 绿 色 矩 形 指 定 的 区 域 可 以 看 出,该算法在分割细小血管方面有更优良的性能. 表 不同模型的灵敏度 S 和准确率 A Tb M d d dd S y d u A byd md y Md 图 ３ CV LB LGD 和 VLB 四 种 模 型 的 图 像 分 割结果 ３ Sgm u by d md w h d A~ D pd hcv,lb,lgdd VLB md, p y 四种模型的同一张视网膜图像的分割结果如 图 ３ 所 示,A B C D分 别 表 示 CV LB LGD 和 VLB 的 分 割 结 果.CV 模 型 的 S A CV ７３０± ００５５ ６８９± ００４７ LGD ７４８± ００７０ ９３５８± ０００４ LB VLB ７０８８± ００ ７７９３± ００９ ９３０９± ９４３３± 四种模型 的 定 量 分 析 如 表 所 示, CV 模 型 的准确率最低, LB LGD 和 VLB 三种模型的 准确率比较 接 近, ４种模型的灵敏度方面差异不 大,其中 VLB 的 准 确 率 和 灵 敏 度 都 是 最 高 的.
液晶与显示 ６９ 由图 ３ 和表 的 定 量 分 析 可 知,我 们 的 模 型 具 有 更佳的分割性能. ４ 讨 论 由上述实 验 可 知, VLB 模 型 的 性 能 优 于 其 他 ３ 种模型.影响模型结果的参数 和ϑ 等参数 在已 有 文 章 ６７]中 进 行 了 详 细 分 析,但 是 模 型 中 第 ３ 卷 色圆圈覆盖的 区 域作 为 初 始 区 域,使 用 LB 算 法生成 的 分 割 结 果 如 图 ５ 中 的 A B C D.图 ５ 中,选择不 同 的 初 始 区 域,结 果 有 一 定 的差异,尤其是图 ５ D中的结果与其他图差异叫 显著.由此可知 VLB 与 LB 模型相比,初始位 置敏感性降 低,具 有 更 稳 定 的 分 割 效 果.两 种 算 法的分割准确率如表 所示. 的原始图像 I 和 局 部 增 强 产 生 的 血 管 图 像 V 的 权重α 及模型初始位点的选取仍然影响着具体的 分割结果,有必要对这两个参数进行具体分析. ４ 初始曲线位置对分割结果的影响 选取图 G的 原 始 图 像 进 一 步 分 析 初 始 区 域的选取对图像分割结果的影响.实验参数 ϑ ５ ５５ ５５,图像I与图像 V 的 权 重 系 数 α ７. 分 别 选 取 中 心 点 ３０ ５８ ５, ４ ０ ５ ５ ３３,半径 ０ 像素 的区域图 中 白 色 圆 圈 覆 盖 的 区 域 作 为 初 始 区 图 ４ LB 算法不同初始曲线位置下的图像分割结果 ４ LB gm u u md b d hmg, h m w h G, 域,使用 VLB 算法生成的分割结果如图 ４ 中 的 w hd z h d by A B C D. 图 ４ 中 的 ４ 幅 图 像 初 始 区 域不同,但都能够 得 到 较 准 确 的 分 割 结 果 且 差 异 较小.上述差异 主 要 集 中 在 图 像 边 缘,可 能 是 边 缘处血管轮廓形 态 对 分 割 结 果 造 成 的 影 响,但 是 这些边缘区域通 常 只 包 含 少 量 的 血 管 信 息,在 临 床 应 用 中 的 影 响 相 对 较 小. 通 过 图 ４ 的 分 析 可 知, VLB 模型可以使用在灰度不均匀的情况下, 且对初始位置的敏感性相对较低. wh 表 LB 和 VLB 初始区域不同时的准确率 Tb A u A bylb dvlb m d w hd y z h dbywh VLB A LB A ３０ ５８ ９４９± ９４５４± ０ ５ ９４３４± ９４３± ５, ４ ９４３４± ５ ３３ ９４３４± ９４３０± ９４０± 由表 中 VLB 和 LB 的 数 据 可 知,LB 模型易受初始区域的影响,准确率有所差异,而相 同的图像和初 始 位 置 时, VLB 模 型 受 初 始 区 域 的影响较小,对不 同 的 图 像 准 确 率 数 据 可 能 略 有 图 ４ VLB 不同初始曲线位置下的图像分割结果 ４ VLB gm u u md b d hmg, h m w h G,w hd z h dbywh 同样,分别适 用 中 心 点 ３０ ５８ ５, ４ ０ ５ ５ ３３,半径 ０ 像素的区域图中白 差异. ４ 参数 α 对分割结果的影响 VLB 模型首先使用局部相位血管增强算法 进行处理,将增强 后 的 图 像 与 图 像 的 灰 度 信 息 作 为特征信息,进行分割实验,模型中用α α 定 义两种图像的权重.不同α 的选择对实验结果有 一定的影响.在 ϑ ０ ５ ５５ 初始位点中心为 ５５, ３０ ５８的情况下,选取不同
第７期 等:一种血管约束的局部活动轮廓模型 梁 思, ６９３ 部分信息丢失,分割结果降低.由四幅图像对比可 知, α 在 ９ 到 ３ 递 减 的 过 程 中,在α ７附 近,分割结果比较精确且保留了尽可能多的血管轮 廓信息,可以在 ７ 周围取值,得到更加准确的分 割结果. ５ 结 论 本文提出了一种基于血管约束的局部活动轮 图 ５ VLB 模型中,不同α 值的图像结果 ５ Cmp h gm u by hvlb md w hd u α 的权重值: α ９ ７ ５ ３,得到如图 ５ A B C D 中的分割结果.图 ５ 中 ４ 幅图都能 将主要血管轮廓准确的分割出来,但出现了部分非 血管区域的干扰.图 ５ B分割结果较 A有所改 进,无用信 息 逐 渐 变 小,细 小 血 管 轮 廓 更 加 准 确. 与图 ５ B比较,图 ５ C D细小血管轮廓缩小 廓模型 VLB 模 型,将 局 部 相 位 信 息 与 图 像 灰 度信息结合,作为图像分割过程中的特征信息,弥 补了 LB 模型使 用 灰 度 作 为 单 一 特 征 信 息 的 缺 陷,能够处理灰度 分 布 不 均 匀 和 弱 边 界 轮 廓 的 血 管图像. 分 割 实 验 的 灵 敏 度 和 准 确 性 分 别 达 到 ７４ ４３ 和 ９３ ６７,通 过 上 述 数 据 可 说 明,该 模 型不仅可以提高 血 管 的 分 割 精 度,而 且 可 以 减 弱 对初始化的敏感性. 致谢:感谢中科院 医 工 所 董 涛 同 学 在 项 目 期 间 给 予的指导和帮助. 参 考 文 献: ] PARAGIOSN,DERICHER G d u d h d d k g m gb J] j IEEET P A d M h I,００ ３:６６ ８ y g ] MIKICI,KRUCINSKIS,THOMASJD Sgm d k g h d g ph :A qu u gu ddbyp w m J] IEEE md mg g,９９８,７ :７４ ８４ ３] GUIDRY D L,ARAG A A A C u :A w w hpp m MRI C] P d g h ０ hau I C hieee Eg g Md d B gys :IEEE,９９８,:６４４ ６４７ y,hgkg,ch ４] MYLONA E A,SAVELONAS M A,MAROULI SD Au m dd u m g b d u p j m u g mgg m J] IEEET Cyb,０４,４４ :７５７ ７７ y //BOURLIOUX A, ５] SETHIANJA A w d m h g m hd mgp g M] GANDER M J,SABIDUSS I G Md M hd S Cmpu g d App N h d: Sp g,０７５:３６５ ３９６ ６] ESTELLERSV,ZOSSO D,LAIRJ, E hm m hdp gd u g J] IEEET ImgP g,０, :４７ ４７３４ //METAXAS ７] DONGB,CHIEN A,MAO Y, L b du p u g ３D md mg M] D,AXELL,ICHTINGER G, Md ImgCmpu gdcmpu A di MICCAI ００８ B H d b g,００８,５４:６ ６９ g:sp ８] KASS M,WITKIN A,TERZOPOULOSD Sk :A u md J] I Ju Cm V,９８８, ４:３ ３３ pu ９] CASELLESV,CATTÉ,COLLT, Agm md u mgp g J] Nu m hm hm k,９９３,６６ : ３ ０] LIC M,XU C Y,GUIC, L u w hu z :A w mu C] P d g h００５ieeecmpu S Cmpu V dp R g, yc SD g,ca,usa: IEEE,００５,:４３０ ４３６
694 液 晶 与 显 示 第 31 卷 11] LIC M,LIUJD,OX M D.Sgmdgpggdw:ApphwduG myzgdpgkc].pd2005ieeecmpusyc CmpuVdPRg,SDg,CA,USA:IEEE,2005,1:162G167. 12] VESEL A,CHAN T.A muphmwkmggmumumddshh mdj].ijucmpuv,2002,503:271g293. 13] CHAN T,VESELA.AuwhudgJ].IEEETImgPg,2001,10 2:266G277. 14] ROUSSON M,PARAGIOSN,DERICHE R.Imphpmd3Dgm MRmgg M]//BARILLOTC,HAYNORD R,HELLIERP.MdImgCmpugdCmpuGAdIG GMICCAI2004.BHdbg:Spg,2004,3216:209G216. 15] CASELLESV,KIMMEL R,SAPIRO G.Gdu J].IJuCmpuVG,1997,221:61G79. 16] LIC M,KAOCY,GOREJC,.ImpudbybyggyC].Pdg h2007ieeeccmpuvdprg,mp,mn:ieee,2007:1g7. 17] WU H,APPIA V,YEZZIA.Numdgpbmdupm..d. uj].ieeetpaydmhig,2013,356:1298g1311. 18] ANJ,ROUSSON M,XU C Y.ΓGgppxmpwmh mdmggm M]//AYACHE N,OURSELINS,MAEDER A.MdImgCmpugdCmpuGAdIG GMICCAI2007.BHdbg:Spg,2007,4792:495G502. 19] LANKTONS,NAIN D,YEZZIA,.HybdgdgGbduumggm C].Pd MdImgg 2007:Phy MdImgg,SDg,CA:SPIE,2007, 6510:65104U. 20] YEZZIA,TSAIA,WILLSKY A.Mdmggmupduuquwhgb C].PdIEEE Wkhp MhmMhdBmdImgAy, HHdId,SC:IEEE,2000:12G19. 21] KIMJ,ISHERJW,CETIN M,.IpgmpxmuGbdmG ggm C].Pd 2003ICImg Pg,B, Sp:IEEE,2003,2:IG655G8. 22] LIC M,KAOCY,GOREJC,.MmzgGbggymggmJ]. IEEETImgPg,2008,1710:1940G1949. 23] LANKTONS,TANNENBAUM A.LzggGbdu J].IEEETImg Pg,2008,1711:2029G2039. 24] 张 艳 超, 赵 建. 改 进 CGV 分 割 算 法 在 多 光 谱 成 像 仪 中 的 应 用 J]. 中 国 光 学,2015,81:68G73. ZHANG YC,ZHAOJ.AppmpdCGVgmmuGpmgJ].ChOp, 2015,81:68G73.Ch 25] LÄTHÉN G,JONASSONJ,BORGA M.BdgmugmuGqudug J]. PRgL,2010,318:762G767. 26] WANGL,HEL,MISHRA A,.AudbyGudbuggy J]. SgPg,2009,8912:2435G2447. 27] WANGL,LIC M,SUN QS,.AudbydgbyggywhppG b MRmggm J].Cmpuzd MdImgg d Gph,2009,337: 520G531. 28] 杨 名 宇, 李 刚. 利 用 区 域 信 息 的 航 拍 图 像 分 割 J]. 中 国 光 学,2014,75:779G785. YANG M Y,LIG.Amggmwhgm J].ChOp,2014,75:779G 785.Ch 作 者 简 介 : 梁 思 1990-, 女, 河 北 石 家 庄 人, 硕 士, 主 要 从 事 图 像 处 理 的 研 究 工 作.EGm:15501603309@163.m