吉林大学学报(工学版) ›› 2017, Vol. 47 ›› Issue (5): 1591-1597.doi: 10.13229/j.cnki.jdxbgxb201705035

• • 上一篇    下一篇

基于多尺度的区域生长的图像分割算法

肖明尧1, 2, 李雄飞2, 张小利2, 张刘3   

  1. 1.长春师范大学 计算机科学与技术学院 长春 130032;
    2.吉林大学 计算机科学与技术学院 长春 130012;
    3.吉林大学 仪器科学与电气工程学院,长春 130061
  • 收稿日期:2016-01-22 出版日期:2017-09-20 发布日期:2017-09-20
  • 通讯作者: 张刘(1978-),男,教授.研究方向:卫星姿态测量与控制技术,空间对接测量技术及空间遥感成像系统设计与仿真技术.E-mail:zhangliu@jlu.edu.cn
  • 作者简介:肖明尧(1980-),男,讲师,博士.研究方向:数据挖掘与图像处理.E-mail:fengyuanqing@tom.com
  • 基金资助:
    国家自然科学基金项目(61272209); “十二五”国家科技支撑计划项目(2012BAH48F02)

Medical image segmentation algorithm based on multi-scale region growing

XIAO Ming-yao1, 2, LI Xiong-fei2, ZHANG Xiao-li2, ZHANG Liu3   

  1. 1.College of Computer Science and Technology, Changchun Normal University, Changchun 130032, China;
    2.College of Computer Science and Technology, Jilin University, Changchun 130012,China;
    3.College of Instrumentation & Electrical Engineering, Jilin University,Changchun 130061,China
  • Received:2016-01-22 Online:2017-09-20 Published:2017-09-20

摘要: 针对医学图像的特点,提出了一种多尺度区域生长分割算法。该算法首先利用高斯滤波器对原图像进行滤波处理,之后利用区域生长算法分别对原图像与平滑图像进行分割操作,最后将两个分割图谱进行比对,获得最终的分割结果。进行区域生长算法时,从背景区域选择一个像素作为初始种子点进行区域生长。该方法的优势为噪音具有较好鲁棒性,初始种子点选取规则简单。该方法同样适合于其他背景简单、目标区域复杂的图像分割情形。为了选取合适分割阈值,提出了最大梯度概念。利用图像的最大梯度矩阵的统计特性,将阈值选取问题转化为求最小值问题。实验表明,该方法能够准确地获得医学图像的分割结果。

关键词: 计算机应用, 医学图像分割, 区域生长, 多尺度, 梯度

Abstract: Considering the characteristics of medical images, a multi-scale region growing segmentation algorithm is proposed. First, the original image is smoothed by a Gaussian filter. Then, the region growing segmentation is performed on both the original image and the smoothed image. Finally, the two obtained segmentation maps are compared to get the final segmentation. In the process of region growing segmentation, a pixel in the background region is selected as the initial seed for region growing. The advantages of the proposed algorithm are the robustness to noises and easiness of initial seed selection. This method is also suitable to other segmentation applications, in which background region is simple but target region is complex. In order to select an appropriate threshold, the concept of Maximum Gradient Transform (MGT) is proposed. The issue of threshold selection is converted into a minimization problem with the assistance of the statistical properties of the transformation matrix. Experiment results show that the proposed algorithm can obtain accurate medical image segmentation results.

Key words: computer application, medical image segmentation, region growing, multi-scale, gradient

中图分类号: 

  • TP391
[1] Hojjatoleslami S A, Kittler J. Region growing: a new approach[J]. IEEE Transactions on Image Processing, 1998, 7(7): 1079-1084.
[2] 张明慧, 卢振泰, 张娟, 等. 基于多图谱活动轮廓模型的脑部图像分割[J]. 计算机学报, 2015, 38(118):1-10.
Zhang Ming-hui, Lu Zhen-tai, Zhang Juan, et al. Brain image segmentation based onmultiple atlas active contour model[J]. Chinese Journal of Computers, 2015, 38(118):1-10.
[3] 何晖光, 田捷, 赵明昌,等. 基于分割的三维医学图像表面重建算法[J]. 软件学报, 2002, 13(2): 219-226.
He Hui-guang, Tian Jie, Zhao Ming-chang, et al. A 3D medical imaging surface reconstruction scheme based on segmentation[J]. Journal of Software, 2002, 13(2): 219-226.
[4] Rueckert D, Aljabar P. Nonrigid registration of medical images: theory, methods, and applications[J]. Signal Processing Magazine, 2010, 27(4): 113-119.
[5] 许鸿奎, 江铭炎, 杨明强. 基于改进光流场模型的脑部多模医学图像配准[J]. 电子学报, 2012, 40(3):525-529.
Xu Hong-kui, Jiang Ming-yan, Yang Ming-qiang. Registration of multimodal brain medical images based on improved optical flow model[J]. Acta Electronica Sinica, 2012, 40(3):525-529.
[6] Greve D N, Fischl B. Accurate and robust brain image alignment using boundary-based registration[J]. Neuroimage, 2009, 48(1):63-72.
[7] Song C Z, Yuille A. Region competition: unifying snakes, region growing, and Bayes/MDL for multiband image segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1996, 18(9): 884-900.
[8] Adams R, Bischof L. Seeded region growing[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1994, 16(6):641-647.
[9] 徐杰, 施鹏飞. 基于相位一致与区域生长的自然彩色图像分割[J]. 电子学报, 2004, 32(7): 1203-1205.
Xu Jie, Shi Peng-fei. Natural color image segmentation based on phase congruency and region growing[J]. Acta Electronica Sinica, 2004, 32(7): 1203-1205.
[10] Mehnert A, Jackway P. An improved seeded region growing algorithm[J]. Pattern Recognition Letters, 1997, 18(10): 1065-1071.
[11] Fan J, Yau D Y, Elmagarmid A K, et al. Automatic image segmentation by integrating color-edge extraction and seeded region growing[J]. IEEE Transactions on Image Processing, 2001, 10(10): 1454-1466.
[12] Shan J, Cheng H D, Wang Y. A novel automatic seed point selection algorithm for breast ultrasound images[C]∥The 19th International Conference on Pattern Recognition(ICPR2008),Tampa,Florida,USA,2008:1-4.
[13] Pan Z, Lu J. A Bayes-based region-growing algorithm for medical image segmentation[J]. Computing in Science & Engineering, 2007, 9(4):32-38.
[14] Lin Z, Jin J, Talbot H. Unseeded region growing for 3D image segmentation[J]. Journal of Trauma, 2002, 24(11):938-945.
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15] 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 朱剑峰, 林逸, 陈潇凯, 施国标. 汽车变速箱壳体结构拓扑优化设计[J]. 吉林大学学报(工学版), 2013, 43(03): 584 -589 .
[2] 周逢道, 王金玉, 唐红忠, 张赫, 周继瑜. 近地表电磁探测多频数字驱动信号产生技术[J]. 吉林大学学报(工学版), 2013, 43(03): 682 -687 .
[3] 欧阳继红, 王振鑫, 景黎. 扩展度量关系的9-交集模型[J]. 吉林大学学报(工学版), 2013, 43(03): 695 -700 .
[4] 郭铁梁, 赵旦峰, 杨大伟. 正交频分复用水声通信系统多普勒频移快速估计[J]. 吉林大学学报(工学版), 2013, 43(03): 813 -818 .
[5] 何耀, 刘兴涛, 张陈斌, 陈宗海. 基于动力电池组内阻模型的绝缘检测算法[J]. 吉林大学学报(工学版), 2013, 43(05): 1165 -1170 .
[6] 李志斌, 金茂菁, 刘攀, 徐铖铖. 提高高速公路通行效率的可变限速控制策略[J]. 吉林大学学报(工学版), 2013, 43(05): 1204 -1209 .
[7] 袁哲, 马文星, 刘春宝, 刘浩. 重型车开式液力减速器温度场分析[J]. 吉林大学学报(工学版), 2013, 43(05): 1271 -1275 .
[8] 隋洲, 蔡中义, 兰英武, 李明哲. 连续柔性成形三维曲面件的形状控制模型[J]. 吉林大学学报(工学版), 2013, 43(05): 1302 -1306 .
[9] 杨小军, 宋青松, 马祥, 李东海. 基于多模型信息滤波器的故障容错目标跟踪[J]. 吉林大学学报(工学版), 2013, 43(05): 1381 -1385 .
[10] 伍文, 孟相如, 刘芸江, 火兴林. 基于连续时间Markov的网络可生存性建模与量化[J]. 吉林大学学报(工学版), 2013, 43(05): 1395 -1400 .