基于Surfacelet變換和水平集的椎骨圖像分割

丁國梅 楊玉群

摘 要：為了解決實際應(yīng)用中由于三維醫(yī)學(xué)圖像固有噪聲以及弱邊緣存在，導(dǎo)致難以實現(xiàn)快速準(zhǔn)確分割的問題，本文提出了基于Surfacelet變換和水平集方法的三維圖像分割。提出一個自適應(yīng)閾值公式，采用Surfacelet 變換對三維圖像進行進行自適應(yīng)濾波，將濾波后的系數(shù)進行Surfacelet反變換，在重建圖像上使用混合模型的水平集方法進行分割。頭頸部椎骨分割結(jié)果表明，本文方法在分割效果和分割速度上都優(yōu)于傳統(tǒng)水平集方法。

關(guān)鍵詞：圖像分割；水平集方法；Surfacelet變換；自適應(yīng)閾值

三維圖像分割在生物醫(yī)學(xué)研究和臨床應(yīng)用中具有重要意義，基于水平集方法的幾何活動輪廓模型在三維圖像分割領(lǐng)域中應(yīng)用較為廣泛。但對于實際的三維圖像，由于在掃描過程中各種因素的影響，生成的三維數(shù)據(jù)往往有隨機噪聲以及偽弱邊緣的存在，使得水平集方法也不能實現(xiàn)理想分割。針對上述問題，本文提出了基于Surfacelet變換濾波和水平集方法的圖像分割。

1 Surfacelet 變換

2007 年 Yue Lu 和 Minh N.Do將多尺度金字塔和多方向濾波器組（NDFB）結(jié)合，提出了 Surfacelet 變換[ 1 ]，非常適合三維圖像的處理。完整的Surfacelet變換是由多尺度分解和多方向濾波器組（NDFB）組成。先對信號進行多尺度分解，再通過NDFB進行多方向分解。

4 實驗結(jié)果與分析

實驗中我們采用了真實的頭頸部CT掃描圖進行了仿真實驗。將三維圖像進行兩層分解，最精細層的子帶方向數(shù)為3個，第二層分解的子帶方向數(shù)為12個。

圖1給出了不同方法對頭頸部椎骨部分切片的分割結(jié)果，第一行是采用MITK軟件實現(xiàn)的手動分割結(jié)果，分割結(jié)果準(zhǔn)確但耗時太多；第二行為采用單一水平集方法迭代9次的分割結(jié)果，由于噪聲影響以及偽弱邊緣的存在，導(dǎo)致出現(xiàn)了嚴(yán)重的漏分割現(xiàn)象；第三行為采用本文方法迭代9次的分割結(jié)果，分割結(jié)果較理想且耗時少。

圖2為本文方法三維分割的表面演化過程，可以發(fā)現(xiàn)，演化表面最終成功收斂到目標(biāo)邊界。

本文采用靈敏度和Dice相似度系數(shù)作為分割評價參數(shù)，將實驗方法和MITK手動分割金標(biāo)準(zhǔn)進行定量分析和對比，用 M 和N分別表示金標(biāo)準(zhǔn)和實驗值，定義為：

單一水平集方法對各個切面的分割靈敏度分別為：0.856、0.803、0.776、0.746、0.767、0.781，Dice系數(shù)為：0.897、0.832、0.840、0.813、0.827、0.843。本文方法靈敏度為：0.953、0.962、0.935、0.929、0.947、0.948，Dice系數(shù)為：0.970、0.959、0.951、0.924、0.930、0.965。

本文方法在靈敏度和相似度系數(shù)兩方面都明顯高于單一水平集方法，驗證了本文方法的可行性。同時，本文方法僅需少量的迭代次數(shù)就實現(xiàn)了準(zhǔn)確分割，驗證了其高效性。

參考文獻：

[1] Yue Lu，M N Do.Multi -dimensional directional filterbanks and surfacelets[J].IEEE Trans.Image Processing.2007，16（4）：918-931.

[2] Y.Zhang，B.J.Matuszewski，L.K.Shark，and C.J.More， “Medical image segmentation using new hybrid level set method，” International Conference Biomedical Visualization，2008.

[3] 呂曉琪，石靜，任曉穎.一種基于水平集的三維肝臟磁共振圖像混合分割方法.2015，2.