基于弱邊界增強(qiáng)結(jié)構(gòu)森林的舌苔圖像分割

楊玉成 張乾

摘要：針對(duì)結(jié)構(gòu)森林分割醫(yī)學(xué)圖像存在弱邊界的問(wèn)題，提出了一種弱邊界增強(qiáng)結(jié)構(gòu)森林的舌苔圖像分割方法。充分利用舌苔圖像RGB顏色空間的G值對(duì)圖像進(jìn)行分割，在RGB顏色空間中采用線性插值算法對(duì)G進(jìn)行增強(qiáng)，同時(shí)將圖像轉(zhuǎn)換為灰度圖來(lái)提高舌苔與其周邊皮膚的對(duì)比度，突顯弱邊界信息，并將其均衡化處理，進(jìn)一步增強(qiáng)圖像對(duì)比度。采用自適應(yīng)算法對(duì)圖像進(jìn)行縮放使舌苔的弱邊界得到再次增強(qiáng)，使用結(jié)構(gòu)森林算法對(duì)增強(qiáng)后的舌苔圖像進(jìn)行分割。通過(guò)在國(guó)際公開數(shù)據(jù)集TongeImage Dataset-master舌苔圖像上進(jìn)行實(shí)驗(yàn)，表明能有效提高圖像的分割質(zhì)量。

關(guān)鍵詞：圖像分割；結(jié)構(gòu)森林；舌苔圖像；圖像增強(qiáng)

中圖分類號(hào)：TP391.4文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2019）08-58-3

0引言

圖像分割是計(jì)算機(jī)視覺(jué)、數(shù)字圖像處理、模式識(shí)別及人工智能等領(lǐng)域的重要研究?jī)?nèi)容。圖像分割是指從圖像中提取感興趣的區(qū)域，該區(qū)域既可以是單個(gè)區(qū)域，也可以是多個(gè)區(qū)域的集合。近年來(lái)，圖像分割被廣泛應(yīng)用于公共安全、無(wú)人駕駛、生物醫(yī)療以及醫(yī)學(xué)圖像處理等領(lǐng)域。其中，基于圖像分割的醫(yī)學(xué)圖像處理受到廣大學(xué)者的關(guān)注并成為醫(yī)學(xué)界的研究熱點(diǎn)。在醫(yī)學(xué)圖像處理中，舌苔圖像處理與分析是重要問(wèn)題之一。隨著人們對(duì)醫(yī)療健康關(guān)注度的不斷提高，通過(guò)舌苔圖像分析實(shí)現(xiàn)計(jì)算機(jī)輔助醫(yī)學(xué)診斷是近年來(lái)生物信息學(xué)、計(jì)算機(jī)處理及模式識(shí)別研究領(lǐng)域中的新問(wèn)題。

1醫(yī)學(xué)圖像分割

在數(shù)字圖像處理和生物信息學(xué)中積淀了多種經(jīng)典的圖像分割算法，有基于閾值分割和邊緣檢測(cè)的傳統(tǒng)圖像分割方法，以及基于圖像輪廓的活動(dòng)輪廓法和結(jié)構(gòu)森林分割方法，值得關(guān)注的是機(jī)器學(xué)習(xí)中的深度學(xué)習(xí)也可以用于研究圖像分割。

過(guò)去主流的圖像分割方法有3個(gè)。①閾值分割方法：利用目標(biāo)和背景的灰度差，通過(guò)先驗(yàn)知識(shí)選擇最優(yōu)閾值作為目標(biāo)和背景的區(qū)分準(zhǔn)則，最終實(shí)現(xiàn)對(duì)圖像的分割。閾值分割法被廣泛應(yīng)用于生物醫(yī)學(xué)領(lǐng)域，Chen等[1]將閾值分割方法與SVM相結(jié)合對(duì)醫(yī)學(xué)圖像進(jìn)行分割。②邊緣檢測(cè)法：利用圖像中相鄰區(qū)域的像元信息差異來(lái)確定邊界點(diǎn)，然后把各邊界點(diǎn)連接得到區(qū)域輪廓。傅之成等[2]通過(guò)徑向邊緣檢測(cè)與Snake模型結(jié)合對(duì)舌苔圖像進(jìn)行分割。③區(qū)域生長(zhǎng)法：利用圖像中同一區(qū)域內(nèi)點(diǎn)的相似性，在每個(gè)區(qū)域內(nèi)分別選取種子點(diǎn)，把與種子點(diǎn)性質(zhì)相同或相似的點(diǎn)聚合在一個(gè)區(qū)域。舒添慧等[3]將區(qū)域生長(zhǎng)算法用于CT圖像的分割，該方法具有較高的分割效率。

本文充分借鑒結(jié)構(gòu)森林在圖像分割中取得的優(yōu)秀成果[4]，結(jié)合舌苔圖像的特性提出基于弱邊界增強(qiáng)結(jié)構(gòu)森林的舌苔圖像分割方法。

2結(jié)構(gòu)森林

隨機(jī)森林由多棵相互獨(dú)立的決策樹組合而成，結(jié)構(gòu)森林在隨機(jī)森林的基礎(chǔ)上將其擴(kuò)展為結(jié)構(gòu)化的輸出空間，再將結(jié)構(gòu)化的輸出空間映射至低維空間，得到維度較低的特征，再利用主成分分析法進(jìn)行二次降維。

決策樹對(duì)數(shù)據(jù)集進(jìn)行分類的過(guò)程實(shí)際是一個(gè)連續(xù)遞歸的過(guò)程，由一個(gè)分割函數(shù)構(gòu)成，表達(dá)式為：

結(jié)構(gòu)化的輸出空間維度較高，為了降低計(jì)算成本、提高運(yùn)算速度，需要對(duì)其進(jìn)行降維處理，即將其映射至一個(gè)離散的低維空間。建立一個(gè)臨時(shí)空間，將結(jié)構(gòu)化的標(biāo)簽映射至空間，從而達(dá)到降維的目的。再次建立一個(gè)臨時(shí)空間，將映射至，使用主成分分析法對(duì)進(jìn)行降維，過(guò)程可簡(jiǎn)單歸納為：→→，最后用主成分分析法對(duì)進(jìn)行降維。

3弱邊界的增強(qiáng)

結(jié)構(gòu)森林算法由Dollár和Zitnick在文獻(xiàn)[4]中提出，并且具有較高的分割精度，隨后又在文獻(xiàn)[5]中對(duì)算法進(jìn)行了部分改進(jìn)。結(jié)構(gòu)森林支持并行運(yùn)算、分割速度與樹的深度成正比、分類速度快、效果好。因此本文使用結(jié)構(gòu)森林作為分類器對(duì)舌苔圖像進(jìn)行分割。

通過(guò)對(duì)舌苔圖像的分析發(fā)現(xiàn)舌苔圖像存在弱邊界的原因：

①舌苔中間區(qū)域存在一層水膜對(duì)光線反射性較強(qiáng)，該區(qū)域具有較高的亮度，因此，該區(qū)域邊界輪廓線比真實(shí)邊界輪廓線清晰。

②舌苔顏色與周邊皮膚顏色相似，在對(duì)舌苔圖像進(jìn)行分割時(shí)高亮度的水膜區(qū)域邊界易被誤檢測(cè)為舌苔邊界，而真實(shí)邊界易被遺漏導(dǎo)致分割區(qū)域不完整以及分割信息缺失，由于舌苔顏色與周邊皮膚顏色相似，所以在進(jìn)行邊緣檢測(cè)時(shí)易被遺漏。

針對(duì)舌苔與周圍皮膚存在弱邊界導(dǎo)致結(jié)構(gòu)森林分割效果不佳的問(wèn)題，通過(guò)分析RGB圖像的，，值，發(fā)現(xiàn)值具有較強(qiáng)的區(qū)分性，由此提出增強(qiáng)值的方法。本文使用值增強(qiáng)公式增強(qiáng)舌苔圖像的值來(lái)提高舌苔圖像的對(duì)比度并將圖像轉(zhuǎn)換為灰度圖，使弱邊界信息得到凸顯。直方圖均衡化方法是指將圖像像素值均勻化，增強(qiáng)圖像對(duì)比度使圖像在視覺(jué)上更加清晰，所以本文將灰度圖像素均衡化，使舌苔弱邊界更加清晰。由于非重建性縮放會(huì)造成圖像像元損失并且不能實(shí)現(xiàn)任意倍數(shù)的縮放，而重建性算法能夠最大程度保持圖像的完整性，本文選擇使用重建性算法中的雙線性插值法對(duì)增強(qiáng)后的舌苔圖像進(jìn)行縮放處理，進(jìn)一步增強(qiáng)舌苔弱邊界清晰度，使用結(jié)構(gòu)森林對(duì)預(yù)處理后的舌苔圖像進(jìn)行分割。增強(qiáng)舌苔圖像的對(duì)比度使舌苔圖像弱邊界得到明顯增強(qiáng)，提高了結(jié)構(gòu)森林的分割精度。

3.1圖像值的增強(qiáng)

圖1為舌苔圖像的，，分量的灰度直方圖，通過(guò)對(duì)RGB圖像的，，值的直方圖進(jìn)行對(duì)比發(fā)現(xiàn)，舌苔與周邊皮膚的值幾乎一致，但是它們的值存在較大差異，這也是舌苔在視覺(jué)上顏色比皮膚紅的原因。舌苔圖像與周邊皮膚的，，值存在相關(guān)性，主要有以下3種情況：①舌苔表面的值比值大，或者等于值，而周邊皮膚的值大于值；②舌苔上的值小于周邊皮膚的值；③在舌苔和皮膚圖像中，值均大于，值[6]。

用’代替原圖像的值并將圖像轉(zhuǎn)換為灰度圖，增強(qiáng)舌苔與周圍皮膚的對(duì)比度，凸顯弱邊界信息，再使用直方圖均衡化方法將新的舌苔圖像均衡化，使舌苔弱邊界在視覺(jué)上更加清晰，圖像對(duì)比度得到進(jìn)一步增強(qiáng)。如圖2所示，其中圖2（a）為原圖像，圖2（b）為增強(qiáng)值并均衡化后的舌苔圖像，增強(qiáng)后的圖像對(duì)比度比原圖像更高，輪廓更加清晰。

3.2圖像的縮放

圖像縮放的物理方法有2種：①直接改變圖像的物理尺寸將其放大或縮?。虎趫D像物理尺寸保持不變，將圖像的維度降低。

圖像的縮放又可分為重建性縮放和非重建性縮放，非重建性縮放不能實(shí)現(xiàn)任意倍數(shù)的縮放，只能實(shí)現(xiàn)整數(shù)倍數(shù)的縮放，而重建性縮放可以實(shí)現(xiàn)任意倍數(shù)的縮放，并且可以最大限度地保持圖像信息的完整性。因此，本文選用重建性縮放法即雙線性插值法，對(duì)圖像進(jìn)行縮放處理。

3.3圖像分割流程

基于弱邊界增強(qiáng)結(jié)構(gòu)森林的舌苔圖像分割流程如圖3所示。

4實(shí)驗(yàn)結(jié)果與分析

本文在實(shí)驗(yàn)中所使用的圖像數(shù)據(jù)集為TongeImage Dataset-master，其像素均為768*576。直接使用結(jié)構(gòu)森林算法對(duì)舌苔圖像進(jìn)行分割會(huì)有部分輪廓信息的缺失，所以在使用結(jié)構(gòu)森林對(duì)舌苔圖像進(jìn)行分割時(shí)，首先對(duì)圖像進(jìn)行預(yù)處理：①用本文提出的方法增強(qiáng)舌苔圖像的值并將圖像轉(zhuǎn)換為灰度圖；②將增強(qiáng)后的圖像縮放為原來(lái)的0.5倍。

如圖4所示，使用本文提出的弱邊界增強(qiáng)方法，舌苔圖像邊界得到明顯的增強(qiáng)，用結(jié)構(gòu)森林分割未增強(qiáng)的舌苔圖像有部分輪廓信息缺失，而用增強(qiáng)結(jié)構(gòu)森林對(duì)增強(qiáng)后的舌苔圖像進(jìn)行分割，可得到完整的舌苔輪廓。

5結(jié)束語(yǔ)

參考文獻(xiàn)

[1] Chen X，Li D.Medical Image Segmentation Based on Threshold SVM[C]//Biomedical Engineering and Computer Science （ICBECS），2010 International Conference on，IEEE， 2010：1-3.

[2]傅之成，李曉強(qiáng)，李福鳳.基于徑向邊緣檢測(cè)和Snake模型的舌像分割[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（4）： 688-693.

[3]舒添慧，胥布工，胡戰(zhàn)虎.基于區(qū)域生長(zhǎng)法的醫(yī)學(xué)圖像分割[J].微計(jì)算機(jī)信息，2008（18）：284-285，195.

[4] DolláR P，Zitnick C L.Structured Forests for Fast Edge Detection[C]//Computer Vision （ICCV），2013 IEEE International Conference on.IEEE，2013：1841-1848.

[5] DolláRP， Zitnick C L.Fast Edge Detection Using Structured Forests[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37（8）： 1558-1570.

[6]李文書.醫(yī)學(xué)圖像處理中若干關(guān)鍵技術(shù)研究[D].上海：上海交通大學(xué)，2010.

[7]王森，楊克儉.基于雙線性插值的圖像縮放算法的研究與實(shí)現(xiàn)[J].自動(dòng)化技術(shù)與應(yīng)用，2008（7）：44-45，35.