基于區域增長的可視人彩色圖像分割

   關鍵詞：區域生長 可視人 彩色圖像分割

人體可視化研究是20世紀后期興起的一項信息技術與醫學學科相互交叉、綜合發展鹽業的世界前沿性研究領域，是將成千上萬個人體斷面數據信息在計算機里整合、重建成人體的三維立體結構圖像，構成人體形態學信息研究的實驗平臺，為開展各種人體相關研究提供形象而真的模型，具有重大的社會應用價值。可視人計劃（Visible Human Project）由美國國家醫學圖書館在1989年率先提出，1994年和1995年相繼推出世界首例一男一女兩具冰凍解剖尸體的高精度、高分辨率的真彩組織切片光學照片并伴有相應的CT和MRI圖像作為輔助數據集。中國可見化人體計劃于2001年正式啟動，由第三軍醫大學可視人體計劃研究目組在2002年和2003年推出了中國首例男女尸體數據集。該數據集較之美國具有更小切片間距、更高分辨率以及更大容量的優點。目前人體可視化研究進入到對人體及組織器官的重建和理解階段，其中對真彩圖像的組織器官的成功分割是該項目能否順利進行的核心環節，同時也是目前最挑戰性的問題。

彩色圖像的分割方法主要包括彩色特片聚類（clustering）、邊緣檢測（edge-based）、區域生成（region growing）等。其中彩色特片聚類是基于灰度閾值分割的多維擴展，通常對每一顏色分量上的直方圖分別采用閾值分割，再將結果組合起來。但由于彩色直方圖閾值難于確定以及色彩映射導致信息耗散，采用這種方法通常出現聚類相互重疊。基于邊緣的方法主要是利用圖像中梯度或曲率行等特征的突變來檢測邊界，但對功節明顯的復雜醫學圖像，其邊緣有連續性較難保證。區域生成的方法是目前采用較多、效果較好的一類方法；缺點是對種子點的選取會影響結果的好壞，但對于完全采用自動分割目前尚屬不易的醫學解剖圖像，人工交互選取子點是可行的方法。

本文選取了第三軍醫大學可視人數據集婦女性尸體胸部數據20張，分析了脈沖的顏色和紋理特征。采取了區域增長的方法，初始種子點由手工選取，并以肺部彩色特征作為增長算法的分割準則。實驗結果表明，該方法能較好地分割出肺部區域。

1 分析

1．1 區域增長

區域生長的基本思想是將具有相似性質的像素集合起來構成區域。首先在待分割的每個區域中選擇一個種子點作為生長的起始點，然后在種子點的領域中搜索那些與種子點的相似特征度滿足指定生長準則的像素，并與種子點所在區域合并。此時將新合并的像素作為新的種子點，繼續以上搜索和合并過程，直到沒有可以合并的像素為止。

令F表示衡量像素相似程度的特征函數，Rk代表第k步時生長的區域，則Rk的區域特征函數為F（Rk）。同樣，令當前像素為s(i,j)，其特征向量為F（s），區域增長算法的核心就是比較F（Rk）與F(s)的特征距離是否滿足一定的閾值T。如果|F（Rk）-F(s)|<T，則像素s被合并至Rk+1=Rk+s，否則跳過像素s，搜索下一個相鄰像素。

1．2 彩色特征空間

彩色圖像分割面臨的最大問題，是需要處理五維信息，其中兩維是幾何信息，三維是彩色信息。一個像素的顏色分布可以用彩色空間中三維向量來表示。在計算機硬件中，彩色圖像用RGB顏色空間來存儲及顯示，而經過變化可以得到HSV、XYZ、YIQ等多種顏色空間。其中HSV是面向用戶的一種符合主觀感覺的色彩模型，更接近于人眼對顏色的感知，Hue表示色度，Saturation表示飽和度，Value表示強度。在對肺部數據的分析處理中，發現真彩圖像中肺部區別于胸部其它器官的主要特征表現在V=（R+G+B）/3分量均值和方差都相對較小，說明肺部區域具有V分量較大相似度。因此將用像素的強度特征分量作為判斷法則，RGB顏色空間向SHV顏色空間轉換公式如下：

s=1-{3