基于GVF Snake模型的舌像分割研究

高清河　剛晶　王和禹　劉海英

【摘 要】為了將舌體區(qū)域正確地從采集的舌像中分割出來，與傳統(tǒng)的Snake模型相比較，本文運用一種優(yōu)化的GVF Snake模型的方法來實現(xiàn)對舌圖像的分割。首先對所選的舌像進行中值濾波，經(jīng)過二值化處理后，得到舌體的初始化輪廓線，然后采用改進的GVF Snake模型對初始化輪廓線進行邊緣修正，最后得到的舌體圖像更加清晰、連貫，提高了圖像的可視性和準確性。

【關(guān)鍵詞】Snake模型；GVF Snake模型；中值濾波；圖像分割

中圖分類號： R318；TP391 文獻標識碼： A 文章編號： 2095-2457（2018）06-0131-002

【Abstract】In order to segment the tongue region correctly from the collected tongue images， compared with the traditional Snake model， this paper uses an optimized GVF Snake model to achieve the segmentation of the tongue image. Firstly， the median image of the selected tongue image is filtered. After the binarization process， the initialization contour of the tongue body is obtained. Then the edge contour of the initial contour is modified by the improved GVF Snake model， and the final tongue image is clearer. ， Coherence， improve the visibility and accuracy of the image.

【Key words】Snake model； GVF Snake model； Median filter； Image segmentation

0 引言

中醫(yī)舌診在現(xiàn)代醫(yī)學(xué)的診斷和治療中起到了越來越大的作用[1-3]，隨著現(xiàn)代計算機科學(xué)以及醫(yī)學(xué)影像學(xué)的進步，傳統(tǒng)的中醫(yī)舌診正朝著科學(xué)性和標準化方向發(fā)展[4]。目前，常用的舌像分割方法主要包括基于閾值的分割方法和基于邊緣檢測的分割法[5-8]。然而，Snakes模型方法在中醫(yī)舌像分割應(yīng)用上，顯示出了良好的性能，但應(yīng)用Snakes模型得到分割的結(jié)果對初始化的依賴程度較大。因此，本文著重對傳統(tǒng)的Snake模型方法進行了改進性研究。

1 Snake模型基本原理

1987年M.Kass[9]等人提出了Snake模型，該模型有機整合了分割區(qū)域的邊緣和約束條件。該模型在分割過程中首先選取初始輪廓曲線，該初始輪廓曲線在內(nèi)部能量和外部能量共同作用下不斷逼近待分割圖像的邊緣，以達到分割圖像的目的。目前，該方法在圖像分割和邊緣檢測等方面應(yīng)用比較廣闊。Snakes能量函數(shù)的框架通常表示為

式中，Eimage（vi）為圖像能量，決定了初始輪廓曲線向目標輪廓逼近；Econ（vi）為外在給定的能量。式（1）中Eint（vi）表示為：

式中，為弧長參數(shù)，其目的是盡量使得從初始輪廓曲線演化出的曲線盡量連續(xù)，起到約束曲線長度的目的；表示使得從初始輪廓曲線演化出的曲線盡量保持平滑。由此看出，在利用Snakes方法進行圖像分割過程中，主要是如何確定初始的輪廓曲線以及外部能量的選擇。

2 傳統(tǒng)Snake模型在分割醫(yī)學(xué)圖像時存在的缺陷

在傳統(tǒng)Snake模型中，如果事先選擇的初始輪廓線與目標輪廓線偏離較大時，利用該模型進行圖像分割時會出現(xiàn)較大的偏差。然而對于醫(yī)學(xué)圖像中存在凹陷情況，所得到的分割輪廓線不能收斂于帶分割物體實際邊緣，如圖1所示。為了改進傳統(tǒng)Snake模型的缺陷，應(yīng)著重考慮影響分割偏差的幾個方面，例如：初始輪廓曲線的確定和外部約束力的確定等問題。

3 醫(yī)學(xué)圖像分割應(yīng)用中對 Snake 模型的改進

為了改進傳統(tǒng)Snake模型容易收斂于錯誤輪廓邊緣的缺陷，在解決外部約束力問題上，Xu和Prince等人提出了梯度向量流方法（GVF）[10]。該方法定義了梯度向量流場，得到了新的力場，解決了外部約束力問題。該模型選取的初始輪廓線不受目標輪廓線的制約，很好解決了具有深度凹陷圖像分割問題[11]，如圖2所示。

4 實驗結(jié)果及分析

本文所有圖像預(yù)處理和圖像分割均在Matlab R2010a環(huán)境下編程實現(xiàn)。由于圖像在采集和傳輸過程中或多或少地存在噪聲，在對舌體進行分割前必須要對舌像進行濾波處理，所以本文首先對采集的舌像圖像進行灰度校正和噪聲過濾前期處理。中值濾波是一種非線性濾波，針對本文的舌像濾波具有較好的效果，并給出了濾波后的舌像灰度直方圖，如圖3所示。

在中值濾波的基礎(chǔ)上，本文采取了GVF Snake梯度向量流方法，首先利用最大類間方差法得到的二值圖像，實現(xiàn)區(qū)域塊與塊之間模糊邊界的分離，從而舌體與周圍連接的多余組織部分已經(jīng)斷開。在此基礎(chǔ)上，基于梯度向量流方法的Snake模型，首先任意選取初始的輪廓曲線，利用GVF力場使得初始輪廓曲線不斷逼近目標圖像的輪廓，在分割過程中圖像具有良好的可視性。實驗表明：通過GVF Snake模型能夠很好地把舌體的目標圖像從舌像中分離出來，如圖4所示。

5 結(jié)論

與傳統(tǒng)的Snake模型相比較，本文運用一種優(yōu)化的GVF Snake模型的方法來實現(xiàn)對舌圖像的分割。首先對所選的舌像進行中值濾波，有效地去除了圖像中的噪聲，并給出了濾波后的舌像灰度直方圖。然后將舌像灰度直方圖轉(zhuǎn)化為二值圖像，得到舌體的初始化輪廓線，在此基礎(chǔ)上采用改進的GVF Snake模型，通過最小能量函數(shù)對得到的初始化輪廓線進行邊緣修正。實驗證明了該改進的算法具有魯棒性，適用于舌體圖像輪廓的分割，為后續(xù)的舌體紋理分析奠定了基礎(chǔ)。

【參考文獻】

[1]朱文鋒.中醫(yī)診斷學(xué)[J].上海科學(xué)技術(shù)出版社，1982：35-49.

[2]周越，沈利，楊 杰.基于圖像處理的中醫(yī)舌像特征分析方法[J].紅外與激光工程，2002，31（6）：490-494.

[3]王郁中，楊杰，周越，鄭元杰，王憶勤.圖像分割技術(shù)在中醫(yī)舌診客觀化研究中的應(yīng)用[J].生物醫(yī)學(xué)工程學(xué)雜志，2005，22（6）：1128-1133.

[4]Orlando JT. Image segmentation by histogram thresholding using fuzzy sets[J].IEEE Transactions on Image Processing，2002，11（12）：1457-1465.

[5]孟浩.中醫(yī)舌像分割提取算法的研究與應(yīng)用[D].沈陽：東北大學(xué)，2007.

[6]朱潔華，阮邦志，勵俊雄，鄺棗園，吳偉.舌診客觀化研究的一種圖像處理方法[J].中國生物醫(yī)學(xué)工程學(xué)報，2001，20（2）：132-137.

[7]Otsu N. A threshold selection method from gray-level histogram [J].IEEE Trans. SMC，1979，9（1）：62-66.

[8]景曉軍，蔡安妮，孫景鰲.一種基于二維最大類間方差的圖像分割算法[J].通信學(xué)報，2001，22（4）：71-76.

[9]Kass M，Witkin A，Terzopoulos D.Snakes：Active Contour Models[J]. International Journal of Computer Vision，1987：321-331.

[10]Xu Chenyang， Jerry L. Prince. Snakes，Shapes， and Gradient Vector Flow[J].IEEE Transactions on image processing.1998，7（3）：359-369.

[11]Amarapur B， Kulkarni P K. External force for deformable models in medical image segmentation： a survey[J]. Signal Image Process， 2011，2（2）：82-101.