基于
CT
图像分割的
Knockout
改进算法
彭 莎,杨荣骞,吴效明
(华南理工大学生物科学与工程学院,广州 510006)
摘 要:Knockout 算法对初始交互轮廓线的依赖性较高、鲁棒性较差。为此,提出一种改进算法,引入 CT 图像的典型纹理特征信息对初
始交互轮廓线进行修正,通过自适应阈值和区域生长法修正前景区域,利用负梯度搜索法修正背景区域,通过颜色空间变换将透明度的三
通道表达式转换为单通道形式。实验结果表明,改进算法对初始交互轮廓线的依赖性较低,分割的准确度较高。
关键词:数字抠图;CT 图像分割;透明度估计;前景;背景
Improved Knockout Algorithm Based on CT Image Segmentation
PENG Sha, YANG Rong-qian, WU Xiao-ming
(School of Bioscience and Bioengineering, South China University of Technology, Guangzhou 510006, China)
【Abstract】Aiming at CT image segmentation, an improved algorithm is proposed, which reduces the dependence of traditional knockout method
on the manual input, and improves its robustness. Use the grayscale information of CT image to modify the original input. Add the processing of
adaptive threshold and region grow to rectify the foreground, a negative gradient searching to correct the background, and the transformation of color
space to get a new equation about alpha in the signal channel. Experimental results show that this improved model has a better behavior.
【Key words】digital matting; CT image segmentation; alpha estimation; foreground; background
DOI: 10.3969/j.issn.1000-3428.2011.12.067
计 算 机 工 程
Computer Engineering
第 37 卷 第 12 期
Vol.37 No.12
文章编号:1000—3428(2011)12—0199—02
1
概述
CT
图像 具有 以下特点 :
(1)
不同组织的灰度值较为接近 ;
(2)
同一组织内部灰度值 变化平缓 但 非均一 ;
(3)
组织之间存在
低灰度 间隙 ;
(4)
组织的边界轮廓较为模糊 ,由于浸润作用 ,
病灶与周围组织的边界模糊现 象更为 严重 。由成像原理可知 ,
组织边界模糊的情况是 由于 边界处像素点 的灰度值是前景组
织与其背景相混合的结果 。传统 “ 硬分割 ” 的方法 仅将边界
点作 像素级
{0,1}
二元分类 ,当边界模糊时 ,误分割 就会产生 ,
而数字抠图技术通过引入透明度
alpha
通道 ,实现单 像素上
的前景和背景分离 ,从而较好 地 解决了这个问题
[1]
。
抠图技术最早出现 在
20
世纪
60
年代初 ,当时主要用于
背景颜色单一的图像 分割 中,称为蓝
/
绿抠图
[2]
。
2000
年开始
出现复杂背景的抠图 , 称为自然抠图
[3]
。目前 ,基于自然抠
图的算法主要有
Knockout
、
Bayes
和
Poisson
算法 等。
Bayes
算法
[4]
用最大后验概率估计前景背景颜色 ,采用由
外向内逐圈处理的方式进行计算 ,处理过的像素点参与之后
的计算 ,该算法的缺点是速度慢 ,不适用于前景背景颜色接
近的图像 。文献
[5]
改进了透明度估计模型 ,减少了脉冲噪声
的影响 。
Poisson
算法
[6]
先用泊松方程求全局解 ,再由人工多
次交互修正局部结果 , 该算法的缺点是交互繁琐 ,当图像复
杂时 ,全局求解效果差且局部修正也 无效 。文献
[7]
使用感知
空间的色度信息及其梯度进行处理 ,准确性高于
RGB
空间的
处理 。文献
[8]
改进了传统的线性估计模型 ,改善了前景背景
为常数情况下的过度分割效应 。文献
[9]
将自然抠图技术应用
于视频序列中的人脸自动识别 ,引入了粗分割
-
精分割结合的
思想 ,实现了序列图像中自适应获取三分图的技术 。文献
[10]
通过增加一个深度分量 ,将自然抠图技术应用到三维透视图
的合成领域 。
Knockout
算法
[11]
使用轮廓线上样本点的加权平均作为
前景背景分量进行透明度估计 , 采用光栅扫描 的方式顺序处
理每一个像素点 ,该算法 使用的颜色 模型较简单 ,处理速度
快,适合于处理灰度 值变化平缓 ,数据量大的医学图像 。该
算法主要存在
2
个不足 :
(1)
对于边界复杂的图像 ,分割效果
比较差 , 文献
[12]
通过使用矩形框代替传统轮廓线的采样方
式,在一定程度上 解决了该问题 ;
(2)
算法对 初始 交互轮廓线
的依赖性较高 , 鲁棒性较差 。本文针对第
2
个不足 ,提出 基
于
CT
图像 分割 的改进 算法 。
2
改进的
Knockout
算法
2.1
人工交互 的原始三分图 创建
用户输入包含关系的
2
个多边形 , 创建 原始 三分图作为
抠图处理的约束条件 。前景多边形内部全部为前景像素点 ,
背景多边形外部全部为背景像素点 ,两者之间的区域为待分
割区域 。 原则上 ,前景背景区域应尽量大 , 待分割区域应尽
量小 ,以减少计算量 ; 算法本质上是使用已知 像素点来估计
邻近的未知像素点掩像值 , 所以 , 交互创建的区域越紧致 ,
分割的结果就越准确 。显然 , 增加三分图的紧致度 , 必然增
加人工交互的复杂度 。传统算法直接使用原始三分图作为约
束条件建立颜色估计模型和透明度估计 ,这样做有
2
个弊端 ,
本文分别从前景修正和背景修正对其进行改善 。
2.2
前景区域修正
2.2.1
自适应阈值处理
CT
图前景组织灰度值分布在一个不大的范围 ,可以使用
阈值法修正原始前景区域 , 增加三分图的紧致性 。 文献
[13]
论证了阈值法分割
CT
图的高效性 ,另外阈值处理可以解决
传统交互无法提取非连通区域的难题 。
基金项目:华南理工大学中央高校基本科研业务费专项基金资助项
目(2009ZM0235)
作者简介:彭 莎(1984-),女,硕士研究生,主研方向:医学图像
处理;杨荣骞,讲师、博士;吴效明,教授、博士生导师
收稿日期:2010-11-04 E-mail:pengsha2003@163.com