邊緣檢測算法在醫(yī)學超聲液性病變圖像中的應用
加入技術交流群
每一次迭代，曲線的變形是為了使如下的能量函數(shù)達到最小化：
彈性能量和彎曲能量合稱內(nèi)部力，內(nèi)部力用于控制輪廓線的彈性形變，選取適當?shù)膮?shù)α(s)和β(s)將能量函數(shù)ESnake極小化，所對應的v(s)就是對物體的分割。在能量函數(shù)極小化過程中，彈性能量迅速把輪廓線壓縮成一個光滑的圓，彎曲能量驅(qū)使輪廓線成為光滑曲線或直線，而外部力則使輪廓線向圖像的高梯度位置靠攏，基本Snake模型就是在這3個力的聯(lián)合作用下工作的。
1．4．2 改進的Snake模型
基本Snake模型在應用的時候存在一些缺陷：
(1)要求初始的輪廓線必須與目標邊緣非常的接近，這是因為能量函數(shù)往往會收斂到一個非期望的局部最小值，如果初始的輪廓線離目標較遠，就會使曲線變形到一個無法預計的形狀；
(2)基本Snake模型對無法捕獲凹陷邊界。這樣就限制了Snake模型應用到一些存在凹陷區(qū)域的圖像上。
近年來，針對以上缺陷，許多研究不僅對Snake模型本身的能量函數(shù)構(gòu)造和求解算法作了很大改進，更在其基礎上衍生出了許多新輪廓線模型，它們有些在形式上已經(jīng)與基本Snake相去甚遠，而且也要復雜得多，但其指導思想?yún)s是一脈相承的。比如，Cohen提出了一種氣球力理論，通過使用不同尺度的外力場，增加外力場的捕捉范圍，來驅(qū)動輪廓線向目標邊緣逼近。XuChenyang提出的GVF Snake將梯度矢量場(GVF)代替?zhèn)鹘y(tǒng)外力場，讓曲線隨著圖像凹陷的部分而發(fā)生變形，圈出凹陷的邊緣，由于GVF對輪廓線的初始位置不是非常的敏感，尤其對于二值圖像，所以它可以很快的收斂到目標邊緣，很好地解決了這些問題。
GVF Snake將基本Snake的外部力用擴散方程進行處理，得到整個圖像域的梯度向量場作為外部力，經(jīng)過擴散方程處理后的GVF更加有序，更能體現(xiàn)物體邊界的宏觀走勢。由于GVF不是一個表達式，無法用能量函數(shù)的形式求解，因此GVF Snake是利用力的平衡條件進行優(yōu)化，GVF Snake具有更大的搜索范圍，對輪廓線初始位置不敏感，可以分割凹陷的邊界，對梯度絕對值的大小乃至噪聲具有更好的魯棒性，而且它還不必預先知道輪廓線是要膨脹還是收縮。
本文將改進的GVF Snake模型應用于醫(yī)學超聲液性病變圖像中，并與其他的邊緣檢測方法進行比較分析。
2 實驗結(jié)果分析
醫(yī)學超聲診斷出的液性病變多以囊腫為主，常見的囊腫有甲狀腺囊腫、卵巢囊腫、肝囊腫等，這些超聲液性病變圖像灰度變化梯度不大，多見數(shù)個無回聲區(qū)，呈“蜂窩狀”，邊界不清晰。
本文選取兩幅具有代表性的肝囊腫、甲狀腺囊腫超聲液態(tài)病變圖像，用不同的邊緣檢測算法對其進行處理，實驗結(jié)果如圖2，圖3所示。本文引用地址：http://cafeforensic.com/article/193780.htm
評論