摘 要

图像分割是数字图像处理中的一项关键技术，它使得其后的图像分析，识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。由于分割中出现的误差会传播至高层次处理阶段，因此分割的精确程度是至关重要的，多年来一直受到研究人员的高度重视，被认为是计算机视觉中的一个瓶颈。

图像分割的方法多种多样,本文主要研究了基于Atlas的图像分割算法。首先研究了基本的基于图集的分割算法，然后讨论了不足之处并加以改进，主要工作如下：

（1）首先介绍了医学图像配准的概念，在此基础上介绍了配准的理论方法。

（2）详细介绍配准算法：Demons算法的原理和实现步骤并以实验加以论证。

（3）介绍了图集的生成过程和后处理方法。后处理方法多种多样，本实验采用了经典的阈值法处理图集得到分割结果。

（4）对实验结果分析并加以改进。主要针对配准算法和图集训练方法进行了改进使其更加合理。

关键词：图集，图像分割，配准算法，Demons

Abstract

Image segmentation is a key technology in digital image processing, it makes the subsequent image analysis and recognition, such as the amount of data to be processed by the advanced stage of processing is greatly reduced, and retain information about image structure characteristics at the same time.Due to the error of the split will spread to the high-level processing phase, so the degree of precision segmentation is vital, over the years has always attached great importance to by the researchers, is considered to be a bottleneck in computer vision.

The method of image segmentation is varied, and this paper mainly studies the image segmentation algorithm based on Atlas. First, the basic image segmentation algorithm is studied, then the shortcomings are discussed and improved, and the main work is as follows:

(1)This paper introduces the concept of medical image registration, and introduces the theoretical method of matching.

(2) The principle and implementation step of the algorithm is described in detail.

(3) This paper introduces the generation process and reprocessing method of the Atlas. The methods of reprocessing are various, and this experiment USES the classical threshold method to deal with the segmentation results.

(4) Analyze and improve the experimental results. This paper mainly focuses on the algorithm and the method of Atlas training to make it more reasonable.

Keywords: Atlas, image segmentation, matching algorithms, Demons

目录

第1章 绪论 1

1.1研究背景 1

1.2国内外研究概况 1

1.3基于Atlas的图像分割算法基本流程 2

1.4本文结构 2

第2章 图像配准理论 4

2.1图像配准的基本概念 4

2.2图像配准原理 4

2.3配准流程 5

2.4 Demons配准算法 7

2.4.1光流法 7

2.4.2 Demons算法 8

2.5本章小结 10

第3章 图集生成与后处理 12

3.1生成待处理图集 12

3.2图集分割 14

3.2.1灰度图像阈值选取方法分类 14

3.2.2阈值分割方法原理 15

3.3实验结果及分析 17

3.3.1分割的质量评价标准 17

3.3.2实验数据 17

3.3.3实验结果分析 17

3.4本章小结 19

第4章 基于图集的脑MR图像分割算法的改进 20

4.1配准算法改进 20

4.2图集训练方法改进 25

4.3本章小结 27

第5章 总结与展望 28

5.1总结 28

5.2展望 28

参考文献 29

致谢 30

第1章 绪论

1.1研究背景

通常对于一副图像，我们往往只关心这幅图像的一部分区域，需要通过这些特定区域来得到我们所需要的信息，那么对于我们而言，除了图像的所需区域之外的部分是多余的，此时我们需要将我们需要的部分从整个图像中割离出来，这就使得图像分割的作用凸显出来了。图像分割中我们是通过找出我们所需区域和该区域以外部分的不同特征性质等来按照一定的规则将其与周围图像进行处理达到分离的目的，从而对一副图像分开进行研究处理。而这个分离的过程就是图像分割。目前为止，对于图像分割的研究和理论在国内外已有很多的成果，但是由于图像分割方法本身的适用范围的限制使得现在虽然方法理论大量存在，却没有一个普适性的方法理论来解决所有问题，目前的图像分割方法基本是针对某一类问题而采用某一种特定的方法来解决^[1]。而且相对而言，目前国内的一些理论方法还没有国外完善，对于基于Atlas的图像分割算法理论国内对其的研究比较少，本文旨在探讨基于Atlas的图像分割算法并加以改进从而能得到实际应用，同时也希望能够在此方法上了解学习更多和图像分割算法相关的东西。

1.2国内外研究概况

图像分割在计算机的视觉领域中是一个比较经典的难题，与此同时也是众多问题中的一个主要问题，对于这个问题的研究对计算机图像视觉来说有着重要的意义。所以国内外学者对此都作出了大量的努力来研究解决这个问题，然而对于目标图像的分割而言，有些图像由于其普适性可以使用现有的分割算法来对其进行处理解决，但是对于其他一些具有特殊性的图像（如人脑MR图像）而言不能使用现有的方案来解决，此时就需要寻找适用该图像的特有方法来进行处理。所以此时也就很难找到一种普适性的办法来进行解决。综合看来目前国内外面对的图像分割的难点主要体现在三个方面：（1）目前很多的技术都不太适合于实时或接近实时的处理，比如在医疗方面的图像处理对实时性的高要求使得难度大大增加，所以要进行实际的应用在一些应用领域必须要解决这个难题；（2）光照对图像分割的影响也比较大，因为光照的变化会导致图像像素的变化而出现不连续的情况，同时使得图像中背景的对比不明显，不明显的背景对比明显会加大图像分割的难度或者使得图像分割效果不佳。（3）图像分割是建立在图像的一些特定性质上的，而两幅图像的分割所利用的图像性质可能不同，所以使用于一副图像的分割方法则不一定适用于另外一种图像，同时就算在一副图像中，不同区域也可能采用不同的分割方法才能达到较好的分割效果，这两个原因就导致了目前没有一种普适性的方法能够解决所有图像分割的问题。所以对于全新的图像可能需要去寻找全新的解决方案才能达到想要效。从目前国内外对于图像分割算法的研究专著的角度来看，对其的研究和成果专著还处于相对匮乏的阶段，而造成的这种现象的原因主要有：首先，由于图像分割的特殊性，没有普适性的解决方案自然关于图像分割的统一理论也就很难建立起来。其次，目前出现的关于图像分割算法的技术和理论算法种类繁多而且都有各自的特征属性。综合以上结论可以知道目前对于图像分割处理，国内外有很多针对性的图像分割算法但是却没有某一种方法具有普适性而能够解决所有图像分割问题。所有目前的方法基本都是针对一类图像来设置出相应的算法解决。也正因为如此对于图像分割，国内外学者仍然处于探索和不断改进的阶段，主要的研究内容也是通过改进传统的图像分割算法，同时针对新理论，新图像和新概念将二者进行一定程度的结合，通过组合改进的方式来研究出新的东西解决新的问题。目前国外在这个方面的研究相对国内要有一定的优势，也更加超前，我们需要在学习借鉴国外研究内容的同时加快我们自身的研究进度，力争在图像分割领域有新的发现和更大的进步。

1.3基于Atlas的图像分割算法基本流程

基于Atlas的图像分割算法的实现，首先要进行图像配准，其中配准过程分别由四部分协调完成：特征空间（Space of feature）,搜索空间（Space of search）,搜索策略（Strategy of search）,和相似性测度（Similarity metric）^[2]。配准算法有很多，本实验采用了Demons算法。有了图像配准算法后则可以通过图像配准来生成图集，最后采用后处理方法来对图集进行处理得到分割结果，本文采用了阈值法来进行处理。

1.4本文结构

本文通过基本的基于Atlas的图像分割算法得到分割结果，然后在此基础上进行改进使算法更加完善。

第一章绪论讨论了研究背景和国内外图像分割的研究现状，然后给出了基于Atlas图像分割算法的基本流程和采用的相关方法。