(DOC) 基于形态学重建滤波的脑部磁共振图像分割

(DOC) 基于形态学重建滤波的脑部磁共振图像分割 基于形态学重建滤波的脑部磁共振图像分 割 第32卷 E32 第l6期 ?l6 计算机工程 ComputerEngineering 2006年8月 August2006 ? 人工智能及识别技术?文章编号:looo__28(2o06)l6__0l7o__02文?标识码:A中田分类号:TN911?73 基于形态学重建滤波的脑部磁共振图像分割 赵于前,桂卫华,陈真诚2李凌云 (1.中南大学信息科学与工程学院,长沙410083;2.中南大学生物医学工程研究所,长沙410083) ?耍:在阐述形态学基本原理,形态学重建滤波原理和方法的基础上,提出了形态学交变序列重建滤波,并应用于脑部磁共振图像分割. 试验结果表明,该方法能有效地滤除无用的信息而保留图像原始形 状不变.再应用形态学梯度运算,测地距离和流域变换方法就能准确地 分割出脑部磁共振图像的头盖骨和脑膜. 关t司:形态学重建滤波;磁共振图像;脑部;分割 BrainMagneticResonanceImageSegmentationBased0n MorphologicalReconstructionFilter ZHAOYuqian,GUIWeihua,CHENZhenchengz, LILingyun (1.CollegeofInformationScienceandEngineering,CentralSouthUniversity,Changsha410083; 2.InstituteofBiomedicalEngineering,CentralSouthUniversity,Changsha410083) [AbstractlBasedonbasictheoriesandmethodsofmathematicalmorphologyandmorphologicalreconstructionfilter,morphologyalternating sequentialfilterbyreconstructionisputforward.Itisappliedtosegmentbrainmagneticresonanceimage.Theexperimentalresultsindicatethat uselessinformationinthebrainmagneticresonanceisfilteredeffectivelyandtheoriginalshapeisleftunalteredbytheproposedmethod.After applyingthemorphologicalgradientoperator,geodesicdistanceandwatershedtransformationtotheprocessedimage,thecraniumandmeningesof brainmagneticresonanceimagearesegmentedprecisely. [KeywordslMorphologicalreconstructionfilter;Magneticresonanceimage;Brain;Segmentation l概述 在临床诊断中,医学图像扮演了重要的角色.在信息化 技术日益发展的今天,医学图像中的许多信息尤其是人们感 兴趣的目标信息是三维重建,图像分割和计算机辅助诊断的 重要组成部分.因此,如何提取医学图像中的目标边缘进而 准确,清晰地将目标单独分割出来成了人们关心的问题,也 是医学图像处理和分析的重要组成部分.图像分割的质量好 坏决定了图像处理与分析的最终效果 脑部磁共振图像为人们区分不同的脑组织与识别神经解 剖结构带来了方便,此外,也可用于检测损伤及几种不同的 神经变性病理学萎缩模式.对脑部磁共振图像的研究主要集 中在用较自动,准确且不带有主观因素的方式区分不同的脑 组织,而在对大脑皮层的不同区域进行区分之前,必须排除 头盖骨及周围脑膜的干扰,因此,如何准确有效地将脑部磁 共振图像的头盖骨及脑膜分割出来就显得尤其重要. 磁共振图像中,脑部组织呈现不一致且包括强度变化, 而传统的图像分割方法依靠像素的个别特性,不能分割出头 盖骨和脑膜.本文提出一种满意的图像分割方法,这一方法 通过形态学交变序列重建滤波,形态学梯度及测地距离等运 算完成. 数学形态学已广泛用于医学图像处理和分析,许多形态 学算子在图像增强,图像滤波,特征提取,图像分割等领域 中得到应用.如Chen和Tai提出了用形态学滤波器增强腹部 超声图像,并可有效地消除振铃响应…;Shih和Puttagunta 提出的递归柔性形态学滤波器用于降噪却能够保持图像的细 , 17一 节;Petr和Isabelle等人提出用形态学算子对人脑的三维 磁共振图像进行拓扑控制分割”,它是一个有效的自动分割 算法并可减少人为干扰. 形态学重构运算是一种非常有用的图像处理工具,不仅 用于处理二值图像,也用于处理灰度图像.而且,它可用于 图像处理其它领域,如滤波,特征提取,运动区域检测”等. 形态学开闭运算组成的交变滤波器是有用的图像滤波方法 —— 小于结构元素的图像目标可被成功滤除,但图像的形状 出现扭曲变形.本文中的新型形态学交变序列重建滤波的优 点是可以滤除期望目标而保留图像原始形状不变,图像不会 扭曲变形.在此基础上,再应用形态学梯度运算,流域变 换和测地距离方法就能准确地分割出脑部磁共振图像的头盖 骨和脑膜. 2形态学基本原理 灰度级图像可定义为由【o,1,…,N—l】组成的Z的子集, 其中N是【1,256]之间的正整数.本文用,表示灰度级图像. (1)图像,被结构元素b的形态学腐蚀定义为 (,,6)(,f)=min{/(s+x,t+y)一b(x,ly) f(+x,t+y)?D.;(,y)?Dj 基金疆目:国家自然科学基金资助重点项目(60433020) 作者骱:赵于前(1973—),男,讲师,博士生,主研方向:医学图 像处理,生物医学传感器等;桂卫华,教授,博导;陈真诚,教授, 博士后;李凌云,讲师,博士生 收藕日期:2005—09.12E.mail:bme@mail.CSU.edu.ca 其中Df和仇分别表示,和b的范围. (2)图像,被结构元素b的形态学膨胀定义为 (,,6)(,f)=max{l(s—,,一),)+b(x,) I(—,l—y)?D;(,y)?Dr l(2) (3)形态学开运算 , ‰(,)(,(,))(3) (4)形态学闭运算 . (,)=Ebaltr噍(,))(4) 其中和E分别表示对灰度级图像的膨胀和腐蚀运算,b川 和b表示结构元素. (5)形态学梯度运算 Gradm(1)=(,)一.(,)(,) 3形态学重建滤波 形态学重建滤波一般包括对图像的选择以及重建2个过 程J,如图1所示.选择过程依据一定的准则对图像的连通 部分(或平坦区域)进行选择,生成标识图像.标识图像指明 了原始图像中应该被保留的连通部分(或平坦区域).重建过 程则是根据标识图像,对应该被保留的连通部分(平坦区域) 进行恢复重建.选择过程决定了形态学重建滤波的滤波特性, 而重建过程则反映了形态学重建滤波的轮廓保持特性.各种 形态学重建滤波的重建过程都是类似的,不同的选择过程决 定了不同的滤波效果. 原 经过二值开重建滤波后,图像中的连通部分或者被完全去除 或者被完整保持.经过开重建滤波器处理的二值图像,图像 中小于结构元素的明亮区域被滤除.它的对偶运算二值闭重 建滤波器能够去除二值图像中小于结构元素的黑暗区域. 灰度图像的开重建运算可由下式表示: 如(,)=7b(,)(8) 其中J=(,),图像,通过有限次膨胀迭代运算被标识图 像重建. 灰度图像的闭重建运算可由下式表示: 6 tee 6(,)=如, J(,)(9) 其中g(j),图像,通过有限次腐蚀迭代运算被标识图像 重建. 3.4交变序列重建滤渡 交变序列重建滤波是一种分级形态学滤波,是用逐渐增 大的结构元素通过反复开闭重建运算完成的. n次迭代运算的开闭连续滤波用下式表示: nb,bc一(,)=缘6(瑶rl01 ( Fec 如(…瑶(rec(,))))) n次迭代运算的闭开连续滤波用下式表示: nb,bc—7(,)=rec.(蕊(lfl1) . 如(…(舷(,))))) 其中正整数n表示结构元素b的比例缩放因子: 像 n6:6b(~b…((6))) 圈1形态学t童?t 3.1二值圈重建 设,,是定义在同一离散域D上的二值图建算子通过阈值分解推广为灰度图像重 建算子. 3.2灰度圈重建 设,和是定义在同一离散域D上的灰度图像,它们的 值域是离散集合f0…1N—l},且J?,(即?D, (p),(p)).由对,进行灰度重建图像,(,,)可由下 式得到 ?D,(,,)(p)(7) max{k?【0,N—l1IP?’((J),(,))l 其中(.)表示对灰度图像以阈值k进行二值化得到的二值 图像J. 3.3开(闭)重建滤波 最早被提出的一种重建滤波器是应用于二值图像的二值 开重建滤波器,它使用连通结构元对二值图像进行腐蚀,然 后对那些没有被完全腐蚀掉的连通部分进行二值重建恢复. (12) (n一1)扶 当n=O时,nb=f(0,0)}. 4方法步骤和实验结果 用本文方法对脑部磁共振图像的头盖骨和脑膜进行分割 可分4步进行. (1)用逐渐增大的结构元素进行闭开序列滤波,使被处理 区域均匀一致而不变形.为了达到这一目标,本文使用了最 初像素大小为3×3的十字型结构元素; (2)运用形态学梯度方法提取边缘; (3)阈值化梯度图像.阈值取最大直方图的90%-95%之间 的估计值; (4)用测地距离和流域变换法进行目标图像分割. 实验结果如图2所示.图2(a)是原始脑部磁共振图像; 图2(b)是运用形态学交变序列重建滤波和形态学梯度运算后 的结果,可得到被提取的头盖骨和脑膜边缘;图2(c)是运用 测地距离和流域变换法将头盖骨和脑膜最终分割出来的结 果.可以看出,应用上述算法的目标图像分割效果是非常令 人满意的. ???(a)原始图像(b)重建滤波并阈值梯度化的结果(c)最终分割结果 圈2头盖’?和囊囊的提取 5结论 本文提出了基于形态学重建滤波的脑部磁共振图像分割 (下转第231页) 一 l7卜一 3.1基于MA的共事赉薯分配调度算法 算法1基于MA服务搜索与决策算法 令e.CERB同时派遣m个MA(SMA),到相应的服务企业进行 服务搜索; 令SMA[jl(j?【l,m】)返回一个优选的候选服务; ,,当发现一个服务资源SC; 按照买方市场规则,分析服务属性: If(用户使用资源的时间段小于SC空闲时间段) If(SMA[j]满足客户其它需求条件) If(服务提供方愿意提供服务) If(SC的价格小于SMA[j]的价格) Then{将SC置换SMAUI~相应位置;} 搜索下一个服务; If(搜索结束)Then返回满足要求的,且价位最低的一个优选候 选服务. 当所有SMA都返回后,汇总这in个候选服务,按价格 升序排序,形成候选服务序列集,e.CERB派遣一个MA按 照候选服务序列集的次序,寻求服务资源仍然空闲的首个服 务商,签订 合同 劳动合同范本免费下载装修合同范本免费下载租赁合同免费下载房屋买卖合同下载劳务合同范本下载 . 3.2共事赉薯申请中的冲突处理 在服务搜索或,和服务合同签订过程中,当多个MA同时 请求同一个服务资源时,产生冲突.因此,算法2给出了处 理算法. 算法2冲突处理算法 对比各MA提出的服务价格; 将服务资源提供给价格最高的MA; If(出价相同) Then(IF(有MA代表e—CERB实现签约) Then{服务资源提供给来签合同的第1个MA} ElselIF(使用资源时刻相同) Then(If(使用资源的时间段与资源空闲时问差相同) Then(资源提供给先到的客户;} Else(资源分配给使用资源的时间段与资源空闲时间之差最小 的用户;}} Else{将资源分配给使用资源时间最早的用户;}} Else(将资源分配给出价最高的用户;} 4结语 本文利用IBMAgletsl4】, 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 ,开发了基于MA的网络 化制造资源服务信息管理系统原型s2.ARIMS,实现了基于 (上接第17l页) 方法.试验结果表明,该方法能有效地滤除无用的信息而保 留图像原始形状不变,在应用形态学梯度运算后就能准确地 分割出脑部磁共振图像的头盖骨和脑膜.而脑部解剖结构的 划分和疾病诊断又与头盖骨和脑膜的成功分割密切相关,因 此,这一方法也有很大的实用性. 参考文献 lChenYenyu,TaiShenchuan.EnhancingUltrasoundImagesby MorphologyFilterandEliminatingRingingEffect[J].European 305. JournalofRadiology,2005,53(2):293— 2ShihFPuttaguntaPRecursiveSoftMorphologicalFilters[J].IEEE Trans.onImageProcessing,1995,4(7):1027—1032. 3PetrD,IsabelleB,MichelC,eta1.TopologicallyControlledSegme— MA的制造资源整合与分配.系统中的各种资源模板采用 XML/XSL语言定义,设计. 系统由在不同地区的16个节点组成企业集群,其中一个 节点作为主企业,提供了e—CERB的功能,其他节点作为服 务提供商,提供多种服务资源.表1给出了针对某制造任务, 寻求数控铣床资源.在资源分配算法支持下,经由4个MA 搜索,得到各局部最优候选服务资源,按照服务价格排序后 的顺序列表. 表1优遗侯遗曩务|IF?一序 资源名称型号所属企业URL价格(万) 数控立式R 1XK50l2沈河鼓风机厂2lO72.133.724.1升降台铣床 数控立式R 2XK5040.1铁西发动机厂2lO.72.141.1235.O升降台铣床 Rj卧式数控铣床XK604O沈阳天元机械厂2l8.23.122985.1 数控仿形R dSKFM7l8沈阳806所2l7.62.131.126.0立式铣床 e—CERB按照上述优选候选资源顺序,派遣一个MA与 服务资源仍然空闲的首个服务商,签订合同,并将优选的服 务资源提交给用户. 参考文献 l贺文锐,何卫平.基于WebServices的网络化制造资源管理的关 键技术研究.计算机集成制造系统,2004,10(11):1382.1388. 2BastosRM,DeOliveiraFM,DeOliveiraJPM.Autonomic ComputingApproachforResourceAllocation[J].ExpertSystems wi血Application,2005,28(1):9—19. 3倪中华,江勇.面向网络化制造的动态自组织制造资源模型的 研究【J】.中国机械工程,2004,15(20):1823.1826. 4ZhouWang,SeitzJ.MobileAgentsforDiscoveringandAccessing ServicesinNomadicEnvironments[C].Proc.ofthe4thInternational WorkshoponMobileAgentsforTelecommunicationApplications, Barcelona,Spain,2002:269—279. 5MitsurnOshima,KarjothGKouichi.AgletsSpecification1.1Draft [EB/OL].http:Pwww.tr1.ibm.com/aglets/,1998. 6王崇海,朱云龙,尹朝万.基于多移动Agent的物流应用服务代 理研究【J】.计算机集成制造系统,2005,1l(5):715.720. 7陈禹六.IDEF建模分析和设计方法[MI.北京:清华大学出版社, 2000.03. ntationof3DMagneticResonanceImagesoftheHeadbyUsing MorphologicalOperators[J].PatternRecognition,2003,36(10): 2463—2478. 4刘剑秋,阮秋琦.形态学重建滤波器的研究与应用【J】.通讯, 2002,23(1):l16—121. 5DoughertyE.AnIntroductiontoMorphologicalImageProcessing[Z]. Bellingham,Washington,InternationalSocietyforOptical Engineering:1992. 6SerraJ,VincentL.AnOverviewofMorphologicalFiltering[J]. CircuitsSystemofSignalProcessing,1992,l1(1):47.108. 7SalembierP,SerraJ.FlatZonesFiltering,ConnectedOperators , and FiltersbyReconstruction[J].IEEETransactiononImageProcessing, 1995,4(8):1153.1160. 一 23l一