医学类-医学图像分割(Snake).ppt

医学图像分割介绍 华中科技大学 医学图像信息研究中心 讨论内容 基于活动轮廓模型的图像分割 活动轮廓模型的起源 1987 年 Kass、Witkin 和 Terzopoulos 首次提出活动轮廓模型 Kass M , Witkin A , Terzopoulous D. Snakes: active contour models. In: Brady I M , Rosenfield A eds. Proceedings of the 1st International Conference on Computer Vision. London: IEEE Computer Society Press, 1987. 259- 268 活动轮廓模型的基本思想 在图像感兴趣的区域(目标)上给出初始轮廓曲线，即初始值(为一条或多条封闭曲线)，最小化一个能量函数，使轮廓曲线在图像中运动(变形)，最终逼近该区域(目标)的边界。 驱使轮廓运动的机理在于最小化能量函数时，使得满足一致性的区域扩张到最大(或收缩到最小)，即一致性区域的边界。 活动轮廓模型的分类 活动轮廓模型： 基于边界的活动轮廓模型 基于区域的活动轮廓模型 混合活动轮廓模型 活动轮廓模型的分类 活动轮廓模型按轮廓曲线的表达形式分类： 参数活动轮廓模型(又称 Snake模型) 几何活动轮廓模型（水平集） 参数活动轮廓模型直接以轮廓曲线的参数化形式表达轮廓曲线的运动(变形)，这种表达方式允许人们和模型直接交互，并且参数活动轮廓模型表达形式紧凑，有利于参数活动轮廓模型的快速实时实现，然而，参数活动轮廓模型表达难于处理轮廓曲线拓扑结构的变化，比如曲线的合并或分裂等。 参数活动轮廓模型的基本原理 将轮廓曲线想像为一条具有弹性的橡皮曲线，轮廓曲线的能量由内部能量和外部能量两部分组成。内部能量描述轮廓曲线的平滑性，它使得轮廓曲线伸缩、弯曲；外部能量是基于图像数据定义的，并在图像中目标的边界达到最小值。最小化内部能量和外部能量，使轮廓曲线沿能量降低方向运动。 参数活动轮廓模型的基本原理 参数活动轮廓模型的基本原理 参数活动轮廓模型的基本原理 参数活动轮廓模型的基本原理 参数活动轮廓模型的基本原理 参数活动轮廓模型的基本原理 参数活动轮廓模型的基本原理 参数活动轮廓模型的有限差分求解 参数活动轮廓模型的有限差分求解 参数活动轮廓模型的有限差分求解 参数活动轮廓模型的有限差分求解 参数活动轮廓模型的有限差分求解 参数活动轮廓模型分割的结果展示 参数活动轮廓模型分割的结果展示 参数活动轮廓模型的研究方向 气球力Snake模型 在高斯力参数活动轮廓模型基础上，增加一项垂直于活动轮廓曲线且为外法线方向的大小恒定的外力(气球力)。 使活动轮廓曲线在同质区域内，从初始位置一直向外扩张 气球力Snake模型 梯度矢量流 Snake 模型（GVF Snake） Helmholtz 定理指出通常一个静态矢量场可以分解为两个分量：无旋转分量和无散失分量。 由于高斯外力参数活动轮廓模型中，得到的势能(高斯)外力场是势能函数的梯度，它可以变为一个无旋转场。 静态外力由图像势能函数的梯度建立矢量扩散方程，解矢量扩散方程得到的矢量场称之为梯度矢量流场(Gradient Vector Flow，GVF) 该方法将图像中目标边界的梯度映射到较远的范围。 最小方差 Snake 模型 气球力 Snake 模型、梯度矢量流模型等，都能在一定程度上降低对初始轮廓曲线位置的敏感性，扩大 Snake 模型的收敛范围。 上述图像分割模型只考虑图像中目标边界信息，图像分割与轮廓曲线初始位置有关。 将气球力 Snake 模型中的恒定气球力修改为包含区域信息的变力，以目标和背景两区域具有最小方差为准则，引导轮廓曲线运动到正确的目标边界位置，对初始轮廓曲线位置不敏感，能完成边界模糊图像的自动分割任务。 最小方差 Snake 模型 设图像I(x, y)只有目标区域Ω1和背景区域Ω2，C为两个区域边界。基于区域内最小方差准则： 最小方差 Snake 模型 最小方差 Snake 模型 * 参数活动轮廓模型的基本原理 Ci ：顶点Vi处的曲率，为两个单位方向向量的差 轮廓曲线C ： X(s) = (x(s), y(s)) s为归一化的弧长，取值为0 ≤ s ≤1。 轮廓曲线C 的能量E(C) ：E(C) = Eint + Eext 最小化能量时产生内力和外力 力平衡方程：Fint + Fext = 0 内力Fint 控制轮廓曲线的伸展和弯曲，试图收缩轮廓曲线，并保持轮廓曲线不被过度弯曲； 外力Fext 引导轮廓曲线朝着图像中目标的边界运动。 总内能＝拉伸内能＋