融合局部和全局信息的两相脑图分割模型.pdfVIP

第29卷第6期 滨州学院学报 2013年12月 V01．29，No．6 ournalofBinzhou Dec．，2013 J University 融合局部和全局信息的两相脑图分割模型 王海军1，张圣燕2 (1．滨州学院航空信息技术研发中心；2．滨州学院化学与化工系，山东滨州256603) 摘要：为了解决脑核磁共振图像中的灰度不均匀现象，提出了一个基于两相的脑图像分割 模型．该模型在图像局部熵基础上融合局部高斯信息和全局信息的两相水平集来拟合图像信息， 同时采用一种新的简单有效的初始化方法，进行脑灰质、脑白质、脑髓液分割．实验结果表明，该 模型能有效地对脑灰质、脑白质、脑髓液进行分割，同时提供准确光滑的目标边界，解决了CV模 型等对灰度不均匀图像分割失败的问题． 关键词：局部熵；局部高斯信息；主动轮廓；分割 中图分类号：TN911．73文献标识码：A 主动轮廓模型在医学图像分割中有着广泛的应用，目前主要分为两类，即基于边界的模型和基于区域 的模型．基于区域的模型可以很好地克服弱边界、初始化问题等，相比基于边界的模型有一定的优势．目前 比较经典的基于区域的模型是主动轮廓模型，即CV模型[1]，但是该模型假设目标和背景的灰度分布均是 均匀分布，因此当图像出现灰度不均匀时，该模型往往不能将图像准确的分割出来．为了解决这个问题，李 纯明等口1提出了LBF(Loca BinaryFittingModel)模型，该模型利用了图像的局部灰度信息，可以很好地 GaussianDistribution 克服灰度不均匀性．王利等口1提出了LGDF(Loeal Fitting)模型，该模型引人了图像 中每个像素邻域的局部均值和局部方差，且其随着空间的变化而变化，可以克服脑图中存在的灰度不均匀 Information 性．张开华等H1提出了LIF(Local Fitting)模型，该模型利用图像的局部信息，也解决了图像 灰度的不均匀性．王海军等[53在LIF模型的基础上，引入了多相脑图的分割模型，可以将脑图的脑白质、 灰质、脑脊液等同时分割出来．但是LBF模型、LGDF模型、LIF模型等均是利用图像的局部信息，忽略了 图像的全局信息．为此，本文结合LGDF模型和CV模型，同时引入图像的局部熵信息，提出了一种融合局 部和全局信息的两相脑图分割模型，该模型可以同时将脑图的脑白质、灰质、脑脊液等准确地分割出来． 1 相关工作 1．1 CV模型 r r 2 c rV(f1，c2，c)=AlJ(z)一f1dx+A2 J(z)一f22dx+口II． J outside(C) J inside(C) 部区域的图像灰度均值． 1．2 LGDF模型 2009年，为了充分利用图像中每个像素邻域内的灰度信息，王利等口3提出了LGDF模型，该模型的能 收稿日期：2013—03—04 基金项目：滨州学院科研基金项目(BZXYGl214) 万方数据 第6期 王海军，张圣燕 融合局部和全局信息的两相脑图分割模型 89 量函数为 sLGDF(9，“1，“2，口{，盯22)= r r —I 值和局部标准差，i=1，2，∞(z—y)为高斯核函数． 1．3 局部熵 根据信息论中Shannon关于熵的定义，则图像局部熵[61的定义为