第4章医学图像分割(44-4.5).pptVIP

ISODATA算法： 第1步:将样本按照最近邻准则，分到每个聚类中去，并舍去样本数目过少的聚类； 第2步:计算各类参数：聚合中心 、类内平均距离 、类内总平均距离 ； 第3步:若是偶数次迭代或分类数大于期望分类数的2倍，则转向第6步； 第4步:对每个聚类j求出具有最大标准偏差的分量 ，若 大于规定值且有 （1） 且类内样本数2x(规定类内最少样本数+1), 或 （2）分类数（期望分类数/2）, 则将其分裂为两个新的聚类,转向第2步。 第5步:对所有聚类中心，计算两两之间的距离 。将小于指定值的前k个 从小到大排列，k是每次迭代可允许合并的最大聚类对数。从最小的 开始，依次合并 和 ，且每个聚类只允许被合并一次； 第6步:若迭代超过最大迭代次数，则终止。否，若需改变参数，则转第1步，否则转第2步。 第四章 医学图像分割-2 4.4 区域增长技术 Region Growing 这种方法是从把一幅图像分成许多小区域开始的。这些初始的区域可能是小的邻域甚至是单个像素。 在每个区域中，对经过适当定义的能反映一个物体内成员隶属程度的性质(度量)进行计算。用于区分不同物体内像素的性质(度量)包括平均灰度值，纹理或颜色信息。因此，第一步是赋给每个区域一组参数，这些参数的值能够反映区域属于哪个物体。 接下来，对相邻区域的所有边界进行考查。相邻区域的平均度量之间的差异是计算边界强度的一个尺度。如果给定边界两侧的度量差异明显，那么这个边界很强，反之则弱。强边界允许继续存在，而弱边界被消除，相邻区域被合并。 这是一个迭代过程，每一步重新计算被扩大区域的物体成员隶属关系并消除弱边界。当没有可以消除的弱边界时，区域合并过程结束。这时，图像分割也就完成。检查这个过程会使人感觉这是一个物体内部的区域不断增长直到其边界对应于物体的真正边界为止的过程。 4.4.1基于局部区域性质一致性的区域增长 区域增长(灰度图像)算法： 将象素灰度值与邻域平均灰度值做比较，如果差值小于或等于二倍的标准差，将该象素包含在区域内，否则为边缘点。 具体过程： 第1步：选择一个象素点作为种子点，n=1。 第2步：检查该种子点的 (2n+1)x (2n+1) 邻域。 计算该邻域的灰度平均值?和标准差σ。 第3步：符合上述公式的象素值可判为增长点，否则判为不可增长点。 第4步：如果该邻域中再没有新的增长点产生，或满足某种停止条件，增长过程结束。 第5步：令n=n+1,将种子点邻域扩大，转向第2步。 其中： 区域增长 (二值图像) 举例 1. 选择一个中心像素p。 2.第1次迭代： P的3x3邻域满足相似性准则，标记可增长。 3.第2次迭代： P的5x5邻域中，新列入的像素的9/16满足相似性准则，标记可增长。 4.第3次迭代： P的7x7邻域中，新列入的像素的6/24满足相似性准则。 5.因为已经满足停止条件：每次新增长像素数如果少于待判定像素的30%，则停止。 登山法（Hill Climbing）是一种变形的区域增长技术。它基于这样的事实，对于图像f（x，y），待分割的区域的边缘是围绕在一个局部灰度极大值的已知象素（x0，y0）周围的闭合轮廓线。 对一个象素，斜率值s（x，y）定义为 式中，d（x0，y0，x，y）是象素（x，y）与局部最大值象素间的欧式距离。 首先，从局部最大值象素沿径向从里到外有哪些信誉好的足球投注网站目标的边缘点。有哪些信誉好的足球投注网站是在16个等角度间隔的方向上进行的。遇到最大斜率值处的点被认为是到了边缘。 然后，以这些边缘点为种子点在一定的约束条件下进行区域增长。 空间约束是朝向局部最大值象素，从外向里增长； 灰度约束是象素灰度值在朝向局部最大值象素方向单调增加。 算法的优点是它不需要选择阈值，对低反差（对比度）的图像边界合适。而且，由于是从边缘向中心增长，因此避免了区域的过度增长。 4.4.2 登山算法 登山算法区域增长例。(a) 0.5x0.5mm大小的微钙化点图像； (b) 由算法确定的16个边缘点； (c)区域增长结果； (d) 由分割得到的微钙化点区域边缘。 4.4.3 分水岭算法 分水岭算法（Watershed Algorithm）是基于区域的分割技术。它将图像中每个物体（包括背景）都看作是单独的部分，并要求在每个物体的内部至少要有一个标记（或种子点）。标记是根据面向应用的关于该物体的知识，操作者手工或通过自动程序选择的。物体经标记后就可用形态的分水岭变换进行区域增长。 分水岭算法是利用图象形态学的、基于区域的分割技术。 把图象中明亮的象素看作处于水中的山头，黑暗的象素看作谷底。如果在山谷侧部的不同高度处凿通一些管道，并假设水平面在整个图像范围均匀上升.。所有地形部分隐性连通。于是，水就会从低于水平面的