自动分割图像新方法研究

・
１２ １ ８・
计 算 机 应 用 研 究 ０ 来ห้องสมุดไป่ตู้自同一分布 Ｇ ， ｏ则混合模 型表示 为
Ｘ ｃ～Ｆ （ ） ｌ ， ０ ¨
．
第２ ９卷
根据观察数据的似然取得结 果。模型 中使用有 控制参数 的随 机变量来代替聚类数 。不同于指定一个 聚类 常数 ， 用户可 以通 过调整参数来指定聚类数的范 围。 这类模型 已经应用于各种 问题 ， 如统计学 和语 言处理 。 但据笔者所知 ， 这种 方法 应用 于图像分 割还 未被 广泛研究 。因 此本文研究 ＭＤ Ｐ模 型方法来实现 自动分割 图像乃至 医学 图像 的分割都是 十分有意义 的。
一
Ｆ （・ｌ ） ０
０ 一Ｇ
（４ １）
（ ５ １）
１ ＭＤ Ｐ模 型
１ １ Ｄｎ ｈ ｔ 布 ． ｉ ｌ 分 ｃｅ
Ｇ—Ｏ ｄ ０ Ｐ（ Ｇ ）
（ ６ １）
１４ 数 据 聚 类 与 Ｄｎ ｈ ｔ 程 混 合 模 型 ． ｉ ｌ过 ｃｅ
Ｄｒ ｈｅ 分布是 Ｂ ｔ ｉｃｌｔ ｉ ｅ ａ分布的多元推广 ， 这种分布是 一种定 义在分布上 的分 布。Ｄｒ ｈｅ 采 样 的结果 是离 散概 率空 间上 ｉｃ ｌ ｉ ｔ 的一个分布 。假设 ０＝｛ ０ ， ， 是离散空 间， ｉｃｌｔ ０ ， … ０ ｝ Ｄｒ ｈｅ 分 ｉ
卢 易苏 ， 陈武凡
（． １ 南方 医科 大学 医学 图像 处理 重 点 实验 室 ，广州 ５０ １ ；２ 广 州大 学 华软软 件 学院 电子 系 ，广 州 ５０９ ） １５５ ． １９０ 摘 要 ：提 出一种 采 用非参数 Ｄｒｈｅ过程 混合模 型 实现 图像 自动 分割 的算 法 。该 方法 在 图像 分 割 时不 需要 ｉｃｌ ｉ ｔ
精 确性 和鲁棒 性 。
关键词 ：图像分割 ；非参数；Ｄｒ ｈ ｔ ｉｃｌ 过程混合 ；聚类 ｉ ｅ
中图分 类号 ：Ｔ ３ １ Ｐ ９ 文 献标志 码 ：Ａ 文章 编 号 ：１ ０ —６ ５ ２ １ ） ３ １２ — ３ ０ １ ３ ９ （ ０ ２ ０ ． １ ７ ０
ｄｉ１ ． ９ ９ ｊｉ ｎ １ ０ — ６ ５ ２ １ ． ３ ０ ９ ｏ ：０ ３ ６ ／ ．ｓ ．０ １３ ９ ． ０ ２ ０ ． ８ ｓ
作者简介 ： 卢易苏（９ ５ ） 女 ， １７ － ， 江苏高邮人 ， 博士研 究生 ， 主要研究方 向为 医学图像处理 （ｉ ＿ ＠ １６ ｃｎ ； ｙ ｕ ｌ ２ ．ｏ ） 陈武凡 （ ９９ ） 男， ｓ ｕ １４ 一 ， 教授 ， 导， 博
主 要 研 究 方 向为 医 学 图像 分 析 、 式 识 别 ． 模
本文在探索前人算法 的基 础上 ， 对非参数 图像分 割算 法进
行 了深入 研 究 。本文 研 究 的算 法 是 基 于 Ｄｒ ｈｅ 混合 过程 ｉｃｌｔ ｉ （ Ｐ 模 型 的非参 数 贝叶斯 方法 。ＭＤ （ ｉｃｌ ｒｃｓ ＭＤ ） Ｐ Ｄｒ ｈｅ ｐｏｅｓ ｉ ｔ
ｍ ｘ ｒｓ 模型提 出一 种未 知 聚类 数 的贝 叶斯 框架 聚 类 问题 。 ｉ ｕｅ ） ｔ 这种方法支持分类数在一个 范围内进行 选择 ， 同的结果模 型 不
割参数可以分成参数分 割和非参数分割 两类 算法 。其 中， 对于
Ｏ 引言
图像分 割是 指将图像划分 成一 系列彼 此互不交 叠 的匀质
区域 。它 是 图 像 处 理 （ｍａｅｐｏｅｓ ｇ 和 计 算 机 视 觉 ｉ ｇ ｒｃｓｉ ，Ｐ） ｎ Ｉ （ｏ ｕｅ ｉｏ ， Ｖ） ｃｍｐｔｒ ｓ ｎ Ｃ 的基本 问题 之一 ， 实现 从 图像处 理到 ｖｉ 是 图像分析 ， 进而 完成 图像 理解 的关 键性 步骤 … 。医学 图像 的 分割 ， 就是将感兴趣 区从 背景 中分 割开来 ， 或将具有 特殊 诊断 意义 的不 同感兴趣 区互不交 迭地 区分开来 。随着 医学影 像在
（ １ １） （２） １ （３） １
ｏ 一Ｇ （ ０ ） ｌ ， ， ～ ｉ（ ， ） ， … ２ Ｄｒ Ｍ
当混合模 型的数 目 一 。 时 ， ｉｃ ｌ 分布转换为 Ｄｒ ｈｅ 。 Ｄｒ ｈｅ ｉ ｔ ｉｅｌ ｉ ｔ 过程 。Ｄｒ ｈｅ 过程｝ 合模型可 以表示为 ｉｅｌ ｉ ｔ 昆
场效应 、 部分容积效应等的影响， 使获取 的图像不可避免地具有
发生病变 时 ， 图像会变得 非常复杂 ， 以致分类数 无法 由经验 获 取， 故通过理论分析来 正确估计 分类 数尤 为重要 。因此 ， 定 决
图像分类数是一 个 经典 难题 ， 国内很 多学 者 作过一 些有 益 探
索 ， 然而确定图像 的分类数 问题 至今 还没有 很好 地得 到根
本解决 ， 。
模糊性和不均匀性等特点 。另外 ， 体解剖组织 结构和形 状非 人 常复杂 ， 而且人与人之间有相 当大的差别 ， 因此 ， 医学 图像 的分 割是一项艰 巨的任务。在医学 图像分 析 中， 已经 提 出了大量 的 图像 分割算法来实现医学 图像的 自动或半 自动分割 。
一
个参数分割算法而言， 图像被分割 的类数作为一种 重要的参 的类数作为随机变量在分割过程 中被估计出来 。 Ｊ 在 当前 医学图像 的主流分割算法 中， 图像的分类数通常是
数， 应该在分割前作为一个参数估计 出来 。而非参 数法 中， 分割
凭人 的经验 事先 指定的。在实际应用 中， 旦指定的分类 数 比 一
ｃｕｒ ｔ ａ ｅ．
Ｋｅ ｒ ｓ ｍａ ｅ ｓ ｇ ｎ ａｉｎ；ｎ ｎ ａａ ｔｉ ｙ ｗｏ ｄ ：ｉ ｇ ｅ ｍｅ ｔ ｔ ｏ ｏ ｐ ｒ ｍｅｒ ｃ；Ｄｉ ｃ ｌ ｔ ｒ ｃ ｓ ｘｕ ｅ ；ｃ ｕ ｔ ｒ ｇ ｒ ｈ ｅ ｏ ｅ ｓｍｉ ｔ ｒ ｓ ｌ ｓｅ ｉ ｉ ｐ ｎ
第２ ９卷 第 ３期 ２１ ０ ２年 ３月
计 算 机 应 用 研 究
Ａｐ ｌ ａ ｉｎ Ｒｅ ｅ ｒ ｈ ｏ ｍｐ ｔｒ ｐ ｉ ｔ ｓ ａ ｃ ｆＣｏ ｕ ｅ ｓ ｃ ｏ
Ｖ０ ． ９ Ｎｏ ３ １２ ．
Ｍａ ． ０１ ｒ２ ２
自动 分 割 图像 新 方 法研 究 木
通常情况下 图像分割算法按 照分割前是否 需要初始 化分
收稿 日期 ：２ １— ８２ ０ １ ０ －２；修 回 日期 ：２ １ —９ ２ ０ １ ０ －９ 基金重点资助项 目（ ０ ３０ ６ ３ ７ ０３ ）
基金项目 ：国家“ ７ ” ９ ３ 重点基础研 究发展 计划资助项 目（０ ０ Ｂ ３ ５５ 国家 自然科 学 ２ １ Ｃ ７ ２０ ）；
对分类数进行初始化， 具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代 替聚类数， 通过调整参数来指定聚类数 的范围。使用该算法对具有 高噪声的 自然图像和临床磁共振 图像进行
分割 实验 ， 与其他 分割 算法进 行 比较 。实验 结果显 示本 算 法抗 噪 声性 能 强 ， 可 以抑 制磁 共 振 图像 分 割 过程 并 且 中的偏 场效应 。准 确度 分析显 示 ， 图像 分割 结果 的 Ｄｃ 相似 性 系数 均 高 于 ９ ％ ， 明提 出的新 算 法具 有很 高 的 ｉ ｅ ０ 表
Ｒｅ ｅ ｒｈ ｏ ｅ ｕ ｏ ｔ ｍａ ｅ ｓ ｇ ｎ ａｉｎ ｍｅｈ ｄ ｓ ａｃ ｆｎ ｗ ａ ｔｍａｉ ｉ ｇ ｅ ｍｅ ｔｔ ｔ ｏ ｃ ｏ
ＬＵ —Ｕ ｒ ． ＣＨＥＮ ｕ．ａ ＹｉＳ Ｗ ｆｎ
（ ． ｅ ａｏａａｙ ｏ ｄｃｌｍａｅＰ ｏｅ ｉｇ， ｏｔｅｎＭｅｉ ｌ ｎｖｒｔ，Ｇ ａｇｈｕ５ ０ １ １Ｋ ｙＬ ｂｒｔｒｆｒＭｅｉ ｇ ｒｃｓｎ Ｓｕｈｒ ｄｃ ｉ ｓｙ ｕｎ ｚｏ １５ ５，Ｃ ｉａ ． ｅｔ ｆＥｅｔ ｎｃＥ ｇｎｅ ａＩ ｓ ａ Ｕ ｅｉ ｈｎ ；２ Ｄｐ．ｏ ｌ ｒ ｉ ｎ ｉｅ － ｃｏ ｒ ｉｇ， ｏｔ ｈｎ ｎｔｕｅｏ ｏ ｗ ｒ ｎ ｉｅｒ ｇ，Ｇ ａｇｈ ｕＵ ｉ ｒｉ ，Ｇ ａｇｈｕ５ ０ ９ ，Ｃ ｉａ ｎ Ｓ ｕ Ｃ ｉａＩｓｔｔ ｆＳｆ ａｅＥ ｇｎｅｉ ｈ ｉ ｔ ｎ ｕ ｎｚｏ ｎ ｅｓｙ ｕｎ ｚｏ １９ ０ ｈｎ ） ｖ ｔ
ｌｔ ｎｂ ｄｕｔ ｇｔｅｐｒｍ ｔ ．ｈ ｌｏ ｔｍ ｗ ｓ ｓｄｔ ｓｇ ｅ ｔ ｏｓ ａｕａ ｉ ａｅ ｎ ａｎｔ ｅｏａｃ ｇｓ ｉ ｕｉ ｙａｊｓｎ ａａ ｅ ｒＴ ｅ ｇｒｈ ａ ｅ ｅｍ ｎ ｎｉ ｎｔｒｌｍ ｇｓ ｄｍ ｇｅｉ ｒｓｎｎｅｉ ｅ ｗｔ ｏ ｉ ｈ ｅ ａ ｉ ｕ ｏ ｙ ａ ｃ ｍａ ｈ
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ｔ ｉ ａ ｅ ｐ ｌ ｄ ｎ ｎ ａａ ｔｉ ｒ ｈ ｅ ｒｃ ｓ ｘ ｕ ｅ ｄ ｌ ａｇ ｒ ｈ ｔ ｅ ｍｅ ｔ ｉ ｇ ｓ ａ ｔｍａ ｉａｌ ， ｈ ｓ ｐ ｐ ｒ ａ ｐ ｉ ｏ ｐ ｒ ｍｅｒ Ｄｉ ｃ ｌ ｔｐ ｏ ｅ ｓ ｍｉ ｔｒ ｓ ｍｏ ｅ ｌｏ ｉ ｍ ｏ ｓ ｇ ｎ ｍａ ｅ ｕ ｏ ｔ ｌ ｅ ｃ ｉ ｔ ｃ ｙ ｗｈ ｃ ｏ ｌ ｂ ａｎ ｔ ｅ ｓ ｇ ｎ ａｉｎ ｃａ ｓ ｎ ｍｂ ｒ ｕ ｏ ｔ ａｌ ｕ ｎ ｅｐ ｏ ｅ ｓｗ ｔ ｏ ｔ ｎ ｔ ｌ ａｉｎ Ｔ ｅ ｎ ｍｂ ｒｏ ｌ ｓ ｉ ｈ ｃ ｕ ｄ ｏ ｔ ｉ ｈ ｅ ｍｅ ｔｔ ｌｓ ｕ ｅ ｓａ ｔ ｍａｉ ｌ ｄ ｒ ｇ ｔ ｒ ｃ ｓ ｉ ｕ ｉ ａｉ ｔ ． ｈ ｕ ｅ ｆｃｕ — ｏ ｃ ｙ ｉ ｈ ｈ ｉ ｉ ｚ ｏ ｔ ｒ ｓａ ｎ ｕ ｏ ｓ ｎ ａ ｕ ｓ ｔｔ ｄ ｂ ａ ｄ ｍ ａｉ ｂ ｅｗｉ ｏ ｔ ｌｐ ｒ ｍｅｅ ， ｈ ｃ ｐ ｃｆ ｄ ａ ｌｖ ｌ ｆｃｕ ｔ ｒ ｅ ｏ ｅ ｓａ ｎ ｉｐ ｔｃ ｎ ｔ ｔｗ ｓ ｓ ｂ ｔ ｕ ｅ ｙ ａ ｒ ｎ ｏ ｖ ｒａ ｌ ｔ ａ ｃ ｎ ｒ ａ ａ ｔｒ ｗ ｉｈ ｓ ｅ ｉ ｅ ｅ ｌ ｓｅ ｓ — ａ ｉ ｈ ｏ ｉ ｅ ｏ ｒ
ｂ ａ ｉｇ ｆ ｌ ． ｅ ｅ ｐ ｒ ｎ ｅ ｕ ｔ ｈ ｗ ａ ｈ ｌｏ ｔ ｍ ａ ｎ ｉｎ ｉｅｐ ｒ ｒ ｎ ｅ ａ ｄ ｃ ｎ ｒ ｓ ａｎ ｔ ｅｂ ａ ｉ ｇ ｆ ｌ ｆ ｃ ｉｓｎ ｉ ｄ Ｔｈ ｘ ｅ ｉ ｅ ｍｅ ｔ ｓ ｌ ｓ ｏ ｔ ｔ ｅ ａｇ ｒ ｈ ｈ ｓａ ｔ ｏ ｓ ｅ ｏ ｍａ ｃ ｎ ａ ｅ ｔ ｉ ｉｓｎ ｅｄ ｅｆ ｔ ｒ ｓ ｈ ｔ ｉ — ｆ ｒ ｈ ｉ ｅ ｏ ｍａ ｅ ｌ． ｈ ｃ ｉ ｌ ｒ ｙ ｃ ｅ ｃｅ ｔ ａ ｅ ａｌａ ｏ ｅ９ ％ ． ｈ ｃ ｈ ｗ ｔ ａ ｈ ｒ ｐ ｓ ｄ ｍｅｈ ｄ ｉ ｏ ｕ ｔ ｎ ｃ ｆＭＲ ｉ ｇ ｓｗｅ１ Ｔ ｅ Ｄｉｅ ｓｍｉ ｉ ｏ ｆ ｉ ｎ ｓ ｒ ｌ ｂ ｖ ０ ａｔ ｉ ｗ ｉ ｈ ｓ ｏ ｔ ｅ ｐ ｏ ｏ ｅ ｔ ｏ ｓｒ ｂ ｓ ｄ ａ — ｈ ｔ ａ
显重要 。分割后 的图像 有各 种广 泛 的应用 ， 如组织 的定量 分
析 、 算机辅助诊断 、 计 病灶定位 、 解剖结构 的研究 、 治疗规划 、 功 能成像数据 的局部体 效应 校正 和计 算机 引导手 术等 。医学 图 像分割迄今仍然是 国内外学 者的研究热点 。由于噪声 、 偏移
真实值小 ， 则势必有若干 区域仍混叠在 一起 而无 法分离 ； 反之 ， 若指定 的分 类数较大 ， 同一 区域会被 再细分 为若干 小 区域 。 则 因此 ， 人为指定分类数 ， 往导致图像分割错误 。同时 ， 往 当组 织
临床 的成功应用 ， 图像分割在 医学影像 处理与分析 中的地位愈